fakultas universitas bengkulu 2013 - …repository.unib.ac.id/7622/1/final report penelitian pak...
TRANSCRIPT
LAPORAN HIBAH JURUSAN MANAJEMEN
Analisis Hubungan KHubungan Dinamis A
Index (SHCOMP) China dan Indeks Harga Saham Gabungan (IHSG
Dr. Ridwan Nurazi, SE., Paulus Sulluk Kananlua, SE., M.Si Iskandar Zulkarnai
FAKULTAS UNIVERSITAS BENGKULU
LAPORAN PENELITIANHIBAH JURUSAN MANAJEMEN
Analisis Hubungan Kointegrasi dan Kausalitas Serta Hubungan Dinamis Antara Shanghai Composite
Index (SHCOMP) China dan Indeks Harga Saham Gabungan (IHSG) Indonesia
Dr. Ridwan Nurazi, SE., M.Sc. Ak NIDN 0015096009Paulus Sulluk Kananlua, SE., M.Si NIDN 0010055810Iskandar Zulkarnain, SE., MBA NIDN 0005065407
FAKULTAS EKONOMI DAN BISNISUNIVERSITAS BENGKULU
2013
0
Kausalitas Serta Shanghai Composite
Index (SHCOMP) China dan Indeks Harga
0015096009NIDN 0010055810
0005065407
1
HALAMAN PENGESAHAN
Judul Penelitian
Ketua Penelitia. Nama Lengkapb. NIDNc. Jabatan Fungsionald. Pusat Penelitiane. Nomor HPf. E-mail
:
::::::
Analisis Hubungan Kointegrasi dan Kausalitas Serta Hubungan Dinamis Antara Shanghai Composite Index(SHCOMP) China dan Indeks Harga Saham Gabungan (IHSG) Indonesia
Dr. Ridwan Nurazi, SE., M.Sc. Ak0015096009Lektor KepalaUniversitas Bengkulu [email protected]
Anggota Peneliti 1a. Nama Lengkapb. NIDNc. Bidang Keahlian
:::
Paulus Sulluk Kananlua, SE., M.Si0010055810Manajemen Keuangan
Anggota Peneliti 2a. Nama Lengkapb. NIDNc. Bidang Keahlian
:::
Iskandar Zukarnain, SE., MBA0005065407Manajemen Keuangan
Biaya yang diusulkan Biaya Penelitian Keseluruhan
::
Rp 2.500.000,-Rp 2.500.000,-
Bengkulu, September 2013Menyetujui, Ketua Peneliti,Ketua Jurusan
Dr. Drs. Syaiful Anwar, AB., S.U Dr. Ridwan Nurazi, SE., M.Sc. AkNIP. 19571010 198403 1 004 NIP. 19600915 198903 1 004
Mengetahui,
Ketua Lembaga Pengabdian Dekan Fak. Ekonomi dan BisnisUniversitas Bengkulu Universitas Bengkulu
Drs. Sarwit Sarwoko, M.Hum Prof. Lizar Alfansi., Ph.DNIP. 19581112 198603 1 002 NIP. 196406011989031005
2
PRAKATA
Alhamdulillahi robbil’alamin puji syukur disampaikan kepada Allah SWT atas segala rahmat dan karunia-Nya yang telah dianugrahkan sehingga dapat terselesaikannya Final Report dari Penelitian ini. Laporan akhir ini berjudul “Analisis Hubungan Kointegrasi dan Kausalitas Serta Hubungan Dinamis Antara Shanghai Composite Index (SHCOMP) China dan Indeks Harga Saham Gabungan (IHSG) Indonesia”. Tujuan dari laporan akhir ini adalah untuk melengkapi salah satu syarat akhir dari pelengkapan instrumen penelitian BOPT yang dilaksanakan di Fakultas Ekonomi dan Bisnis, Jurusan Manajemen Universitas Bengkulu.
Bengkulu, Septemberr 2013
Penulis
3
DAFTAR ISI
Halaman Judul..................................................................................................... 0Halaman Pengesahan........................................................................................... 1Prakata ................................................................................................................. 2Daftar Isi .............................................................................................................. 3Daftar Tabel ......................................................................................................... 5Daftar Gambar .................................................................................................... 6Daftar Lampiran.................................................................................................. 7Intisari .................................................................................................................. 8Abstract ................................................................................................................ 10
BAB I PENDAHULUAN..................................................................................... 111.1 LatarBelakang.................................................................................................. 111.2 Rumusan Masalah............................................................................................ 151.3 Tujuan Penelitian ............................................................................................. 161.4 Manfaat Penelitian ........................................................................................... 161.5 Ruang Lingkup Penelitian ................................................................................ 17
BAB II KAJIAN PUSTAKA ............................................................................... 182.1 Bursa Efek China ............................................................................................. 182.2 Bursa Efek Indonesia ....................................................................................... 192.3 Integrasi Pasar Modal....................................................................................... 202.4 Penelitian Sebelumnya ..................................................................................... 22
BAB III METODE PENELITIAN...................................................................... 233.1 Jenis Penelitian .............................................................................................. 233.2 Sampel ........................................................................................................... 233.3 Definisi Operasional Variabel ........................................................................ 243.4 Metode Analisis ............................................................................................. 253.5 Uji Akar Unit (Unit Root Test)....................................................................... 263.6 Penentuan Lag Optimal .................................................................................. 273.7 Uji Kausalitas Granger ................................................................................... 273.8 Uji Kointegrasi............................................................................................... 283.9 Estimasi VAR ................................................................................................ 293.10 Fungsi Impulse Response ............................................................................... 313.11 Variance Decomposition ................................................................................ 33
4
BAB IV PEMBAHASAN..................................................................................... 344.1. Volatilitas SHCOMP dan IHSG Selama Kurun Waktu 2008-2012 .................. 344.2. Uji Stasioneritas (Unit Root Test) .................................................................... 384.3. Penentuan Lag Optimal................................................................................... 384.4 Uji Kausalitas Granger ..................................................................................... 394.5. Uji Kointegrasi................................................................................................ 404.6. Hasil Estimasi VAR Bentuk Differensi ........................................................... 424.7 Hasil Impulse Response.................................................................................... 434.8 Variance Decomposition .................................................................................. 444.9 Pembahasan ..................................................................................................... 46
BAB V KESIMPULAN DAN SARAN................................................................ 505.1 Kesimpulan...................................................................................................... 505.2 Saran................................................................................................................ 51
BAB VI JADWAL PELAKSANAAN ................................................................. 516.1 Jadwal Pelaksanaan Penelitian ......................................................................... 51
DAFTAR PUSTAKA ........................................................................................... 52
LAMPIRAN ......................................................................................................... 53
Lampiran 1. Justifikasi Anggaran Penelitian .......................................................... 53Lampiran 2. CV Ketua Peneliti ............................................................................. 55Lampiran 3. CV Anggota Peneliti I ........................................................................ 59Lampiran 4. CVAnggota II .................................................................................... 62Lampiran 5. Data Mentah ...................................................................................... 68Lampiran 6. Output Data Penelitian ....................................................................... 71
5
DAFTAR TABEL
Tabel 4.1 Hasil Estimasi Uji Akar Unit berdasarkan ADF dan DF Statistik............ 38Tabel 4.2 Hasil lag Optimal Dengan Menggunakan Model VAR ........................... 39Tabel 4.3 Granger Test Results .............................................................................. 40Tabel 4.4 Cointegration Test Results...................................................................... 40Tabel 4.5 Output Estimasi Vector Auto Regression Bentuk Differensi ................... 42Tabel 4.6 Variance Decomposition ........................................................................ 44
6
DAFTAR GAMBAR
Gambar 1.1 Perkembangan Pergerakan Nilai Indeks SHCOMP dan IHSG............. 13Gambar 4.1 Trend Nilai SHCOMP Selama kurun waktu 2008-2012 ...................... 15Gambar 4.2 Trend Nilai IHSG Selama Kurun Waktu 2008-2012 ........................... 36Gambar 4.3 Impulse Response Sampai Sepuluh Kuartal......................................... 43
7
DAFTAR LAMPIRAN
Lampiran 1. Justifikasi Anggaran Penelitian .......................................................... 53Lampiran 2. CV Ketua Peneliti .............................................................................. 55Lampiran 3. CV Anggota Peneliti I ........................................................................ 59Lampiran 4. CVAnggota II .................................................................................... 62Lampiran 5. Data Mentah ...................................................................................... 68Lampiran 6. Output Data Penelitian ....................................................................... 71
8
Analisis Hubungan Kointegrasi dan Kausalitas Serta Hubungan Dinamis Antara Shanghai Composite
Index (SHCOMP) China dan Indeks Harga Saham Gabungan (IHSG) Indonesia
Ridwan Nurazi, Paulus S Kananlua, Iskandar ZulkarnainProgram Studi Manajemen Fakultas Ekonomi Universitas Bengkulu
Intisari
Sudah banyak penelitian yang mengkaji hubungan kointegrasi antara beberapa penggunaan Bursa efek maupun indeks. Sebagai contoh, beberapa penelitian menguji hubungan kointegrasi antara DJI terhadap IHSG, AMEX terhadap IDX dan lain sebagainya. Sejalan dengan penelitian yang telah dilakukan, hampir sebagian besar bursa ataupun indeks yang diuji hubungan kointegrasinya adalah indeks atau bursa yang berlokasi di daerah yang berbeda jauh karakteristik pasar ataupun industrinya. Seperti ketika peneliti membandingkan bursa efek China dengan bursa efek Indonesia, kedua bursa ini cenderung sangat berbeda, di mana bursa efek China sudah memainkan instrumen derivasi yang lebih canggih dibandingkan buresa efek di Indonesia.
Pengujian terhadap hubungan kointegrasi masih cukup menarik dilakukan, terutama bila diterapkan pada bursa efek dengan pasar yang masih berkembang. Dengan demikian dapat diidentifikasi bagaimana hubungan yang terjadi. Dalam penelitian ini, bursa saham atau indeks yang diuji hubungan koiintegrasinya adalah antara bursa efek China yang diwakili oleh Shanghai Composite Index (SHCOMP) dan bursa efek Indonesia yang diwakili oleh Indeks Harga Saham Gabungan (IHSG).
Penelitian ini dilakukan dengan menggunakan data bulanan yang diperoleh dari website Bursa Efek Indonesia dan website Bursa efek China. Agar dapat melihat hubungan jangka panjang yang terjadi di antara kedua jenis bursa, maka data yang digunakan adalah data time series dengan periode pengamatan dari tahun 2008 sampai dengan 2012.
Tahapan pengujian diawali dengan melakukan uji akar unit (unit root test), yaitu untuk melihat apakah data stasioner atau sebaliknya, data non stasioner. Setelah itu, dilakukan pengujian lag untuk mencari lag optimal yang dapat menjelaskan hubungan yang terjadi di antara kedua jenis bursa. Lebih lanjut, pengujian sebab akibat dua arah juga dilakukan dengan menggunakan Granger causality test. Setelah dipastikan estimasi VAR akan dilakukan dengan menggunakan bentuk differensi atau VECM, maka dilakukan pengujian selanjutnya, yaitu dengan mengestimasi hasil pengujian VAR ke dalam variance decomposition dan impulse response.
Hasil penelitian menunjukkan bahwa krisis ekonomi yang terjadi di Chinadan diproksi oleh Shanghai Composite Index (SHCOMP) berpengaruh terhadap pergerakan Bursa Efek Indonesia yang diproksi oleh Indeks Harga SahamGabungan (IHSG). Hal ini terjadi karena antara Indonesia dan China memiliki hubungan afiliasi perdagangan yang cukup erat, sehingga meskipun dampak yang
9
dirasakan Indonesia tidak terlalu besar, tetapi turut memiliki andil terhadap terkoreksinya nilai indeks saham di Indonesia pada tahun 2009. Selain itu, respon Shanghai Composite Index (SHCOMP) lebih banyak disebabkan oleh goncangan(shock) pada SHCOMP itu sendiri atau dari goncangan variabel lainnya yang berada di luar model yang dibangun dalam penelitian ini. Sedangkan respon Indeks Harga Saham Gabungan (IHSG) hanya sedikit yang disebabkan oleh shock Shanghai Composite Index (SHCOMP).
10
The Analysis of Cointegration Test, Causality Relationship, and Dynamic Relationship Between
Shanghai Composite Index (SHCOMP) andComposite Stock Price Index (IHSG)
Ridwan Nurazi, Paulus S Kananlua, Iskandar ZulkarnainProgram Studi Manajemen Fakultas Ekonomi Universitas Bengkulu
Abstract
This study aims to analyze the cointegration relationship between the Chinese Stock Exchange (SHCOMP) and Indonesia Stock Exchange (IHSG). This research conducted with monthly time series data at time period January 2008 through December 2012. The data consists of 60 months of observation. To test the time series data, we used Vector Auto Regression (VAR) with first differentiation model to estimate the response of shockthat caused by the variables studied. Before performing the model of VAR estimation, the data used in this study should pass the unit root test, cointegration test, Granger causality test and after that, the data processed with VAR estimation model. Finally, the outputs of the results showed that, there is a long term correlation between China Stock Exchange that proxied by Shanghai Composite Index (SHCOMP) with Indonesia Stock Exchange that proxied by IHSG.
Keywords : SHCOMP, IHSG, VAR, Unit root test, Cointegration test, Granger test
11
BAB I
PENDAHULUAN
1.1 Latar Belakang
Krisis ekonomi yang melanda perekonomian global pada tahun 2007
menyebabkan sebagian besar pertumbuhan ekonomi negara-negara maju maupun
negara berkembang menurun secara drastis. Dampak krisis tersebut menjadi salah
satu faktor yang notabene mempengaruhi perekonomian dunia secara langsung.
Merambahnya dampak krisis global ini, ditandai dengan semakin banyaknya
penurunan nilai indeks harga saham di setiap pasar modal. Penurunan ini dapat
terjadi karena sebagian besar aktivitas perekonomian antar negara saling
terintegrasi satu sama lain.
Pasar modal merupakan bagian dari pasar finansial yang berhubungan
dengan supply dan demand terhadap dana jangka panjang. Dengan demikian,
pasar modal juga menjalankan fungsi ekonomi dan keuangan (Husnan, 1994).
Lebih lanjut, baik atau tidaknya kemampuan perokonomian sebuah negara dapat
diukur melalui aktivitas perdagangan pasar saham. Sebuah negara yang memiliki
fundamental perekonomian baik, cenderung akan bertahan terhadap shock yang
terjadi pada pasar modalnya. Hal ini lebih disebabkan karena stabilnya pergerakan
indeks harga saham yang menjadi faktor kunci untuk mempertahankan posisi
pasar modal dimata calon investor. Dengan begitu, stabilitas perekonomian yang
disertai dengan seimbangnya perekonomian di sektor rill dan finansial dapat
menjadi sebuah kekuatan dalam menghadapi krisis yang tidak terduga.
12
Krisis keuangan global yang berawal di Amerika kian merambat ke Eropa
hingga ke Asia. Hal ini akan berdampak tidak hanya pada aktivitas perdagangan
pasar saham di Eropa, tetapi juga pada pasar saham di benua lainnya yang
terintegrasi langsung dengan pasar modal Amerika (Kaniawati, 2009). China dan
Indonesia yang terletak di Benua Asia juga turut merasakan dampak yang
dihasilkan oleh krisis perekonomian tersebut. Tetapi dampak yang dirasakan tidak
separah yang dialami oleh negara-negara berkembang lainnya, di mana Pasar
modal Indonesia masih mampu bertahan hingga menjadi pasar modal yang
memiliki nilai penutupan nomor 2 terbaik di Asia Pasifik setelah Philipina. Selain
itu, pasar modal Indonesia juga menjadi pasar modal terbaik nomor 8 di Dunia
pada akhir tahun 2011 (Media Indonesia, 30 Desember 2011).
Berbanding terbalik dengan pasar modal China, di mana terjadi koreksi
yang cukup tajam yang ditunjukkan oleh Shanghai Composite Index (SHCOMP).
Pada tahun 2008, nilai pasar SHCOMP merosot tajam dari 5.272 menjadi 1.880 di
tahun 2009. Hal ini menandakan bahwa krisis yang terjadi di Amerika sangat
berdampak pada perdagangan saham di China. Namun demikian, China tidak
hanya terintegrasi dengan pasar modal Amerika saja, tetapi juga terintegrasi
dengan pasar modal di Negara maju dan berkembang lainnya seperti Indonesia.
Dampak buruk dari krisis perekonomian global yang merambah Amerika,
China dan negara-negara lainnya dapat dilihat dari kecenderungan investasi yang
terjadi di pasar modal Indonesia. Husnan (1994) mengungkapkan bahwa ada
beberapa kecenderungan yang dapat diamati, yaitu kegiatan utama di pasar
sekunder masih didominasi oleh perdagangan saham. Kedua, bursa masih menjadi
13
alternatif pendanaan bagi perusahaan besar. Ketiga, peran pemodal asing masih
sangat besar. Selain itu, dua faktor yang menyebabkan pasar modal membuka diri
bagi pemodal asing adalah dana yang dimiliki dan pengalaman analisis yang
dimiliki oleh investor tersebut.
Begitu terbukanya pasar modal Indonesia terhadap para pemodal asing,
akan berakibat pada besarnya pengaruh bursa-bursa di luar negeri terhadap Bursa
Efek Indonesia. Roll, (1994) dalam Husnan (1994) menunjukkan bahwa terjadi
kecenderungan pasar modal Indonesia makin terintegrasikan dengan pasar modal
lain di Dunia. Hal ini menyebabkan apabila terjadi shock atau gangguan keuangan
di pasar modal yang terintegrasi dengan pasar modal Indonesia, maka pasar modal
Indonesia juga akan mengalami hal serupa sebagai dampak dari terbukanya pasar
modal Indonesia terhadap bursa-bursa saham di negara-negara lain. Hal inilah
yang terjadi di antara pasar modal China dan pasar modal Indonesia, di mana
terdapat integrasi yang menyebabkan pergerakan nilai indeks di kedua Negara ini
cenderung mengikuti tren pergerakan yang hampir sama.
Gambar 1.1Perkembangan Pergerakan Nilai Indeks SHCOMP dan IHSG Selama
Periode Waktu 1 Januari 2008 – Desember 2012
1,000
2,000
3,000
4,000
5,000
6,000
2008 2009 2010 2011 2012
SHCOMP IHSG
14
Gambar 1.1 di atas, menunjukkan pergerakan bursa efek China yang
diproksi oleh Shanghai composite index (SHCOMP) mengalami penurunan
sebagai akibat menurunnya pendapatan export import China dari dan ke Amerika.
Krisis ekonomi yang terjadi di Amerika berdampak langsung pada perdagangan
di Bursa Efek China. Selain itu, menurunnya kinerja bursa efek China juga
berbanding lurus dengan menurunnya kinerja bursa efek Indonesia. Hal ini
dibuktikan dengan ikut terkoreksinya aktivitas perdagangan di BEI yang diproksi
oleh Indeks Harga Saham Gabungan (IHSG). Selanjutnya pada saat SHCOMP
mengalami penurunan nilai indeks dipertengahan tahun 2008, hal yang sama juga
terjadi pada IHSG, di mana IHSG merespon shock yang terjadi pada SHCOMP
sebagai sebuah akibat dari terintegrasinya pasar modal Indonesia dengan pasar
modal China.
Telah banyak penelitian yang meneliti pengaruh pergerakan nilai bursa
asing terhadap bursa efek Indonesia, tetapi masih sedikit penelitian yang meneliti
dampak runtutan krisis ekonomi yang diproksi oleh sebuah indeks bursa terhadap
indeks bursa negara lain yang saling terintegrasi. Sebelumnya Husnan (1994)
meneliti bahwa semakin terintegrasi dan terbukanya pasar modal Indonesia
terhadap pasar modal asing, akan menyebabkan semakin rentan pasar modal
Indonesia terhadap kemungkinan risiko yang terjadi pada pasar modal yang
terintegrasikan tersebut. Selain itu Husnan (1994) juga menyatakan bahwa
semakin besar proporsi investasi asing di bursa efek Indonesia, maka akan
semakin besar peluang asing untuk mendominasi jumlah saham yang
diperdagangkan. Lebih jauh, Mauliano (2009) meneliti korelasi antara berbagai
15
macam bursa yang saling terintegrasi seperti DJI, NYSE, FTSE, STI, N225, HSI,
KOSPI, KS11 dan KLSE. Hasil penelitiannya menunjukkan bahwa selama
periode pengamatan pada tahun 2004 sampai 2009, ditemukan korelasi yang kuat
antara indeks bursa yang saling terintegrasi tersebut. Hal yang lebih mengejutkan
menunjukkan bahwa indeks bursa asing ternyata lebih mendominasi Indeks Harga
Saham Gabungan di Indonesia. Besarnya dominasi asing terhadap Bursa Efek
Indonesia tentu saja akan berdampak pada pergerakan indeks dalam negeri,
sehingga munculnya krisis ekonomi menjadi topik menarik untuk dikaji secara
komprehensif. Berdasarkan latar belakang di atas, maka permasalahan yang
muncul dalam penelitian ini dapat dirumuskan pada subbab berikutnya.
1.2 Rumusan Masalah
Sesuai dengan latar belakang di atas, maka beberapa penjabaran mengenai
pertanyaan penelitian yang diangkat dalam penelitian ini dapat dielaborasi sebagai
berikut:
1. Apakah (shock) krisis keuangan global yang menerpa Bursa Efek China
yang diproksi dengan Shanghai Composite Index (SHCOMP) berpengaruh
terhadap Bursa Efek Indonesia yang diproksi dengan Indeks Harga Saham
Gabungan (IHSG)?
2. Apakah hubungan kausalitas antara Bursa Efek China yang diproksi oleh
Shanghai Composite Index (SHCOMP) dan Bursa Efek Indonesia yang
diproksi oleh Indeks Harga Saham Gabungan (IHSG) bersifat dua arah?
16
1.3 Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka dapat ditetapkan tujuan
penelitian sebagai berikut:
1. Menguji dampak (shock) krisis keuangan global yang menerpa Bursa
Efek China terhadap Bursa Efek Indonesia.
2. Menguji hubungan kausalitas antara Bursa Efek China yang diproksi oleh
Shanghai Composite Index (SHCOMP) dengan pasar modal Indonesia
yang diproksi dengan Indeks Harga Saham Gabungan (IHSG).
1.4 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan kontribusi. Kontribusi
yang dihasilkan nantinya akan diperlukan oleh beberapa pihak, seperti para
peneliti selanjutnya yang menggunakan hasil ini sebagai bahan referensi dan
acuan. Para investor agar dapat mengidentifikasi bagaimana hubungan kausalitas
antara kedua bursa efek ini pada saat mengalami masa resesi dan recovery, lalu
bagi pemerintah sebagai bahan pertimbangan untuk menjaga kebijakan
perekonomian luar negeri akan adanya fenomena pasar modal internasional yang
semakin terintegrasi, dan manfaat terakhir dirasakan Fakultas Ekonomi
Universitas Bengkulu, yaitu semakin tingginya jumlah hasil penelitian empiris di
bidang ekonomi.
17
1.5 Ruang Lingkup Penelitian
Penelitian ini dilakukan dengan mengkaji hubungan kausalitas dua Bursa
Efek Besar, yaitu Bursa Efek China dan Bursa Efek Indonesia. Sebagai upaya
untuk menjaga alur penelitian agar tidak keluar dari akar permasalahan yang akan
diteliti, maka ruang lingkup penelitian ini dibatasi pada kointegrasi bursa dan
pemodelan dinamis di antara ke dua bursa efek tersebut. Selain itu, untuk
mengukur derajat kointegrasi dan juga hubungan kausalitasnya digunakan harga
penutupan bulanan dari masing-masing indeks (SHCOMP & IHSG).
18
BAB II
KAJIAN PUSTAKA
2.1 Bursa Efek China
Bursa efek China disebut juga dengan Bursa Efek Shanghai (SSE), karena
bursa tersebut berbasis di kota Shanghai, China. Bursa Ini adalah salah satu dari
dua bursa saham yang beroperasi secara independen di Republik Rakyat China.
Sedangkan bursa lainnya adalah bursa efek Shenzhen. Bursa efek Shanghai
merupakan pasar modal yang memiliki kapitaliasi pasar terbesar nomor 6 di
dunia, dengan kapitalisasi pasar sebesar US $ 2,3 triliun per Desember 2011.
Berbeda dengan bursa efek Hong Kong, bursa efek Shanghai masih belum
sepenuhnya terbuka untuk investor asing, karena ketatnya akun modal kontrol
yang dilaksanakan oleh otoritas China daratan. Namun demikian, karena semakin
terintegrasinya pasar modal antara negara dan semakin banyaknya investasi dalam
dan di luar negeri yang dilakukan oleh investor China, membuat bursa efek China
selalu berkembang dari waktu ke waktu.
Hingga saat ini, sekuritas yang diperdagangkan di bursa efek China
meliputi tiga kategori instrumen keuangan utama, yaitu saham, obligasi, dan dana.
Obligasi yang diperdagangkan di bursa efek China termasuk obligasi (T-bond),
obligasi korporasi, dan obligasi korporasi konversi. Pasar T-bond bursa efek
China adalah yang paling aktif dari jenisnya di China. Ada dua jenis saham yang
diterbitkan di Bursa Efek China: saham "A" dan saham "B". Saham A adalah
harga saham dalam mata uang lokal yuan renminbi, sementara saham B adalah
19
harga saham yang dikutip dalam dolar AS. Pada awalnya, perdagangan saham A
dibatasi untuk investor domestik. Hanya sebagian saham B saja yang tersedia
untuk investor domestik dan investor asing. Namun, setelah reformasi
dilaksanakan pada bulan Desember 2002, investor asing kini diperbolehkan
(dengan keterbatasan) untuk memperdagangkan saham A di bawah pengawasan
kualitas Institutional Investor Asing (QFII). Program ini secara resmi diluncurkan
pada tahun 2003. Saat ini tercatat total 98 investor institusi asing telah disetujui
untuk membeli dan menjual saham A di bawah program QFII, dengan kuota
minimal program QFII saat ini sebesar US $ 30 miliar.
2.2 Bursa Efek Indonesia
Indeks Harga Saham Gabungan yang selanjutnya disingkat IHSG,
merupakan salah satu indeks pasar saham yang digunakan oleh Bursa Efek
Indonesia yang dahulunya disebut dengan Bursa Efek Jakarta (BEJ). Indeks ini
pertama kali diperkenalkan pada tanggal 1 April 1983 sebagai indikator
pergerakan harga saham di BEJ. Indeks ini mencakup pergerakan harga seluruh
saham biasa dan saham preferen yang tercatat di BEI. Hari Dasar untuk
perhitungan IHSG adalah tanggal 10 Agustus 1982. Pada tanggal tersebut, Indeks
ditetapkan dengan Nilai Dasar 100 dan saham tercatat pada saat itu berjumlah 13
saham.
20
2.3 Integrasi Antara Pasar Modal
Pandangan ekonomi mainstream menyebutkan bahwa arus dana yang
keluar masuk dari suatu negara yang berinteraksi dengan negara lainnya, akan
membawa manfaat terhadap negara tersebut. Salah satu manfaat yang dihasilkan
dapat berupa portofolio investasi yang dapat menyediakan non-debt creating
investasi asing bagi negara berkembang yang sedang mengalami kelangkaan
modal. Dengan adanya arus modal asing, dapat menambah tabungan domestik
untuk meningkatkan investasi. Di samping menyediakan mata uang asing kepada
Negara yang sedang berkembang, arus modal asing juga mengurangi tekanan gap
kurs mata uang bagi negara-negara tersebut yang selanjutnya dapat membuat
aktivitas impor lebih mudah. Kedua, kenaikan arus modal asing ke pasar modal
suatu negara akan meningkatkan alokasi modal menjadi lebih efisien bagi negara
tersebut. Arus modal seperti penanaman modal langsung dapat merangsang
negara-negara lain yang kelebihan modal agar mengalirkan dananya kepada
negara yang kekurangan modal, di mana return yang ditawarkan negara tersebut
lebih menarik (BAPEPAM, 2008).
Aliran modal akan mengurangi cost of capital negara-negara yang sedang
berkembang, meningkatkan investasi dan output. Sebaliknya pandangan ekonomi
lain berpendapat investasi portofolio tidak memberikan manfaat atau tidak ada
hubungannya dengan aktivitas ekonomi rill, dan tentu saja tidak dapat menaikkan
output, atau mempengaruhi variabel lain yang berkaitan dengan kesejahteraan
masyarakat. Manfaat ketiga adalah arus modal asing membawa dampak kepada
ekonomi melalui berbagai cara, seperti melalui pasar modal. Menurut pandangan
21
mainstream ini, salah satu manfaat arus modal asing adalah mendorong kenaikan
harga saham atau Efek.
Arus modal asing yang terjadi sebagai akibat integrasi pasar modal juga
dapat mendorong stimulasi perkembangan pasar modal domestik suatu negara.
Perkembangan pasar modal domestik tersebut terjadi melalui kompetisi di antara
pemodal institusi. Kompetisi ini menciptakan teknologi keuangan yang semakin
canggih dan memerlukan investasi dalam bidang informasi serta aktivitas jasa
keuangan. Kompetisi ini pada akhirnya membawa efisiensi alokasi capital dan
risk sharing. Peningkatan efisiensi tersebut terjadi karena adanya
internasionalisasi yang membuat pasar menjadi lebih likuid, selanjutnya cost of
capital foreign semakin murah karena portfolio asing menjadi dapat
didiversifikasi di antara negara-negara.
Pasar modal yang sudah maju menerima dampak arus modal asing dari sisi
demand. Di pasar modal tersebut akan tersedia sekumpulan aset dengan berbagai
risiko, return dan likuiditas. Hal ini meningkatkan pilihan aset dan mendorong
pasar modal menjadi lebih vibrant, karena menyediakan likuiditas yang tinggi
bagi penabung atau pemodal dan selanjutnya untuk meningkatkan tabungan.
Kompetisi dari peranan instusi keuangan asing juga membuka jalan untuk
mengembangkan pasar derivatif. Terakhir menurut pandangan mainsteram bahwa
kerangka pemikiran tersebut di atas akan meningkatan tabungan dalam bentuk
equity dan selanjutnya meningkatkan tabungan domestik dan juga meningkatkan
capital formation.
22
2.4 Penelitian Sebelumnya
Husnan (1994) meneliti bahwa pasar modal yang terbuka terhadap pasar
modal asing, cenderung akan rentan terhadap fluktuasi pasar modal asing.
Selanjutnya hasil penelitian Mauliano (2009) menunjukkan bahwa sebagian besar
Indeks Bursa asing yang masuk ke dalam penelitiannya mendominasi Indeks
Harga Saham Gabungan di Bursa Efek Indonesia.
Lebih lanjut Parthapratim (2006) menguji pengaruh investasi portofolio
asing pada ekonomi dan industri India. Investasi portofolio asing pada dasarnya
berinteraksi dengan ekonomi rill melalui pasar saham. Temuan dari penelitian ini
menunjukkan bahwa manfaat yang dirasakan oleh investasi portofolio asing
belum tercapai di India. Investasi portofolio secara keseluruhan berkonsentrasi
pada pasar sekunder, namun mekanisme transmisi oleh aktivitas pasar sekunder di
pasar saham untuk mendorong ekonomi riil belum terlihat di India.
Penelitian terbaru mengenai kointegrasi dua pasar modal yang saling
berhubungan pernah dikaji oleh Usman (2012). Hasil penelitiannya
mengungkapkan bahwa terdapat ketergantungan yang tinggi dari pasar modal
Indonesia terhadap pasar modal Amerika yang diproksi dengan Dow jones
Industrial Index (DJI). Hal ini semakin memperjelas bahwa pada saat bursa efek
Amerika mengalami shock berupa krisis keuangan global, akan turut berdampak
pada terkoreksinya nilai IHSG saat itu.
23
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Penelitian yang dilakukan ini merupakan jenis penelitian deskriptif
kuantitatif. Data dan informasi yang diperoleh didentifikasi dan dideskripsikan
dengan menggunakan bantuan alat analisis statistik. Lebih lanjut, penelitian ini
menekankan pada penggunaan data sekunder, yaitu dengan melakukan identifikasi
dan menguraikan fenomena yang terjadi berdasarkan informasi yang diperoleh
dari data penelitian.
3.2 Sampel
Penelitian ini menguji hubungan sebab akibat, dan kointegrasi antara
Bursa efek China dan Bursa Efek Indonesia. Untuk lebih memperjelas obyek
penelitian, maka populasi yang digunakan dalam penelitian ini adalah bursa efek
China dan bursa efek Indonesia. Sedangkan sampel yang digunakan dalam
penelitian ini terdiri dua harga atau nilai indeks saham gabungan di kedua Negara
China dan Indonesia, yaitu data perdagangan Shanghai Composite Index
(SHCOMP) dan Indeks Harga Saham Gabungan (IHSG) yang diambil dalam
bentuk times series bulanan selama kurun waktu 1 Januari 2008 sampai dengan 31
Desember 2012.
24
3.3 Definisi Operasional Variabel
Penelitian ini menggunakan data sekunder berupa data time series, yaitu
data yang diperoleh secara tidak langsung dari pihak lain atau media perantara
berupa bukti, catatan, atau laporan historis yang telah tersusun dalam arsip yang
telah dipublikasikan atau tidak dipublikasikan (Cooper & Schindler 2011). Data
yang digunakan dalam penelitian ini terdiri dari 60 data observasi yang dihimpun
secara bulanan, dari bulan Januari 2008 sampai bulan Desember 2012. Untuk
memperjelaskan proses pengukuran terhadap variabel yang digunakan, maka
dilakukan operasionalisasi variabel sebagai berikut:
1. Hubungan kointegrasi dan hubungan kausalitas: adalah hubungan sebab
akibat yang diukur dengan menggunakan derajat waktu jangka panjang.
Dalam penelitian ini, rentang waktu yang digunakan adalah selama 60
bulan.
2. Hubungan dinamis: merupakan hubungan antara dua bursa efek yaitu
bursa efek China dan bursa efek Indonesia yang dimodelkan dengan
pemodelan Vector autoregressive.
3. Shanghai Composite Index (SHCOMP) merupakan indeks saham
gabungan di bursa efek China.
4. Indeks Harga Saham Gabungan (IHSG) merupakan indeks saham
gabungan di Bursa efek Indonesia.
25
3.4 Metode Analisis
Dalam hubungan antar variabel ekonomi sering ditemui adanya
kelambanan, karena menyangkut perilaku manusia (Widarjono, 2009). Hal ini
tentunya juga dapat terjadi dalam hubungan antara variabel makro terhadap
fluktuasi harga saham. Jika ada perubahan variabel makro, belum tentu dengan
serta merta akan mengubah return saham (Lestari, 2005). Kadang-kadang untuk
melihat pengaruhnya diperlukan waktu penyesuaian atau kelambanan. Secara teori
timbulnya kelambanan semacam ini disebabkan oleh tiga faktor, yaitu faktor
psikologis, faktor kelembagaan, dan faktor teknologi (Gujarati, 1998). Adanya
kelambanan ini akan mengakibatkan, regresi linier saja sering tidak bisa
menjawab apa yang dikehendaki teori.
Untuk mengatasi adanya faktor kelambanan, maka model yang digunakan
dalam penelitian ini adalah model Vector Auto Regressive (VAR). Oleh karena hal
tersebut, maka dalam penelitian ini akan dikembangkan menjadi model
autoregressive dengan mengacu pada model dasar tersebut. Sedangkan untuk
mengetahui dampak respon masing-masing variabel akibat goncangan (shock),
digunakan analisis impulse response (impulse response analysis) dan dekomposisi
varian (variance decomposition). Selanjutnya, basis data yang digunakan dalam
penelitian ini adalah data nilai Shanghai Composite Index (SHCOMP) dan Indeks
Harga Saham Gabungan (IHSG) yang diperoleh secara bulanan. Observasi
terhadap data tersebut dimulai dari bulan Januari 2008 sampai bulan Desember
2012.
26
3.5 Uji Akar-Akar Unit (Unit Root Test)
Estimasi model ekonometrik time series akan menghasilkan kesimpulan
yang tidak berarti ketika data yang digunakan mengandung akar unit (tidak
stasioner). Keadaan data yang tidak stasioner ini dapat menghasilkan kondisi
Regresi lancung (spurious regression) pada hasil estimasi regresi. Hal ini ditandai
dengan tingginya koefisien determinasi R2 dan nilai t stasistik yang tidak
signifikan. Adanya hasil regresi lancung (spurious regression) akan mengarahkan
pada hasil penafsiran yang menyesatkan (Insukindro, 1998). Lebih jauh, data time
series dikatakan stasioner jika rata-rata, varian, kovarian pada setiap lag adalah
tetap sama pada setiap waktu (Widarjono, 2009).
Uji stasioneritas dapat dilakukan dengan beberapa metode. Salah satu
metode yang dapat digunakan untuk melakukan uji stasioneritas adalah dengan
menggunakan correlogram dengan melihat koefisien ACF dan PACF (Widarjono,
2009). Selain itu Gujarati (1995) juga menyatakan bahwa selain uji ACF dan
PACF, uji DF (Dickey Fuler) dan ADF (Augmented Dickey fuller) dapat dijadikan
prosedur standar untuk menguji hipotesis nol (H0) adanya akar unit (seri tidak
stasioner) terhadap hipotesis alternatif (H1) sebuah seri stasioner. Jika Yt adalah
seri dengan panjang lag p, maka:
∆ Yt = α0 + γYt-1 + βi ∑ ∆ Yt-i+1 εt
Di mana:
∆ Yt : Bentuk dari first difference
α0I : Intercept
Y : Variabel yang diuji stasioneritasnya
P : Panjang lag yag digunakan dalam model
27
ε : Error term
3.6 Penentuan Lag Optimal
Salah satu permasalahan yang muncul pada saat melakukan uji
stasioneritas dalam analisis Vector Autoregressive (VAR) adalah penentuan lag
yang optimal. Jika lag yang digunakan dalam uji stasioneritas terlalu sedikit,
maka residual dari regresi tidak akan menampilkan proses white noise sehingga
model tidak dapat mengestimasi actual error secara tepat. Hal yang terjadi
sebagai akibat terlalu sedikitnya lag dalam mengestimasi adalah γ dan standar
error tidak diestimasi dengan baik. Namun jika memasukan terlalu banyak lag
maka dapat mengurangi kemampuan untuk menolak H0. Hal ini terjadi karena
dengan bertambahnya parameter yang berlebihan akan mengurangi degree of
freedom (Harris, 1995).
Untuk menentukan lag optimal, maka dalam penelitian ini digunakan
beberapa kriteria informasi yang terdiri dari Akaike Information Criterion (AIC),
Schwart information Criterion (SIC) dan Hannan-Quinn (HQ) yang paling kecil
di antara berbagai lag yang diajukan. Selanjutnya, Penelitian ini menggunakan 60
bulan observasi dengan periode pengamatan dari Januari 2008 sampai Desember
2012. Dengan begitu, jumlah lag yang akan diujikan adalah sebanyak 4 Lag.
3.7 Uji Kausalitas Granger
Metode yang digunakan untuk menganalisis hubungan kausalitas antar
variabel yang diamati adalah dengan uji kausalitas Granger. Uji kausalitas
Granger ditujukan untuk melihat arah hubungan antar variabel SHCOMP dan
28
IHSG. Widarjono (2009) menyatakan bahwa adanya kointegrasi antara dua
variabel mengindikasikan bahwa ada hubungan atau keseimbangan jangka
panjang antara kedua variabel tersebut. Dalam jangka pendek, bisa saja ada
ketidakseimbangan (disequilibrium). Keseimbangan ini akan sering muncul dalam
perilaku ekonomi. Hal ini berarti apa yang diinginkan pelaku ekonomi (desired)
belum tentu sama dengan apa yang terjadi sebenarnya. Dengan adanya perbedaan
maka diperlukan penyesuaian (adjustment). Model yang memasukan penyesuaian
untuk melakukan koreksi bagi ketidakseimbangan disebut sebagai model koreksi
kesalahan (error correction model).
Kedua variabel yang diujikan pada penelitian ini tidak stasioner pada
tingkat level, tetapi keduanya terkointegrasi maka ada hubungan atau
kesimbangan jangka panjang antara kedua variabel tersebut. Model ECM Engle-
Granger dalam penelitian ini ditulis sebagai berikut:
∆Y = β0 + β1∆Xt + β2ECt + εt
Di mana:
∆Y : IHSG
X : SHCOMP
ECt : (Yt-1 – β0 – β1Xt-1)
3.8 Uji Kointegrasi
Widarjono (2009) dalam bukunya menjelaskan bahwa metode Johansen
menjadi salah satu pendekatan yang dapat digunakan dalam uji kointegrasi. Uji
kointegrasi dengan metode Johansen dapat dianalisis melalui model
Autoregressive dengan ordo P yang ditunjukkan oleh persamaan berikut;
yt = A1 yt-1 +.........+ Ap yt-p I + Bπt + εt
29
Di mana:
yt : Vektor-k pada variabel-variabel yang tidak stasioner
πt : Vektor-d pada variabel deterministik
εt : Vektor inovasi
Selanjutnya persamaan tersebut dapat ditulis ulang menjadi:
∆ Yt = П yt-1 + βi ∑ Г i ∆ Yt-i + Bπt + εt
Di mana:
П = ∑ Ai – I, Гi - ∑ Aj
Representasi teori Granger menyebutkan bahwa koefisien matriks П
memiliki τ < k reduce rank yang mempunyai k x τ matriks α dan β dengan rank,
seperti П = αβ dan β’yt yang merupakan I (0). Τ merupakan bilangan kointegrasi
(rank), sedangkan tiap kolom β menunjukan vector kointegrasi. Α lebih dikenal
dengan parameter penyesuaian pada VECM. Selanjutnya metode Johansen
digunakan untuk mengestimasi matriks П dari unrestricted VAR dan untuk
melakukan pengujian apakah hasil reduced rank П dapat diterima atau tidak.
Selanjutnya dalam pengujian reduce rank tersebut, Johansen
menggunakan dua tes statistik yang berbeda yaitu trace test (λtrace) dan maximum
eigenvalue test (λmax). Trace test menguji H0 pada persamaan kointegrasi τ
sebagai kointegrasi alternatif dari persamaan kointegrasi-k di mana k merupakan
bilangan variabel endogen untuk τ = 0,1,.....,k-1.
3.9 Estimasi VAR
Metode Vector Auutoregression adalah Model persamaan regresi yang
mengunakan data time series. Model ini pertama kali dikembangkan oleh
Christopher Sims pada tahun 1980. Kerangka analisis yang praktis dalam model
30
ini akan memberikan informasi yang sistematis dan mampu menaksir dengan baik
informasi dalam persamaan yang dibentuk dari data time series. Selain itu,
perangkat estimasi dalam model VAR mudah digunakan dan diinterpretasikan.
Perangkat estimasi yang digunakan dalam model VAR ini adalah fungsi impulse
dan variance decomposition. Persoalan yang muncul dalam di dalam data time
series adalah berkaitan dengan stasioneritas data dan kointegrasi antar variabel di
dalamnya.
Model VAR menganggap bahwa semua variabel ekonomi adalah saling
tergantung satu sama lain. Lebih jauh Gujarati (1995) mengungkapkan beberapa
keuntungan dengan menggunakan VAR, di antaranya adalah:
1. VAR mampu melihat lebih banyak variabel dalam menganalisis fenomena
ekonomi jangka pendek dan jangka panjang.
2. VAR mampu mengkaji konsistensi model empirik dengan teori
ekonometrika.
3. VAR mampu mencari pemecahan terhadap persoalan variabel runtun
waktu yang tidak stasioner dan regresi lancung atau korelasi lancung
dalam analisis ekonometrika.
Karena dalam penelitian ini variabel yang diamati tediri dari dua variabel,
maka spesifikasi model penelitiannya dinamakan bivariate vector autoregression,
di mana hubungan interdependensi antara SHCOMP dan IHSG dispesifikasikan
dalam sistem persamaan yang terdiri dari dua persamaan sebagai berikut:
IHSGt = α1 + ∑ i SHCOMPt-1 + ∑ i IHSGt-i + ε1t
SHCOMPt = α2 + ∑ i SHCOMPt-1 + ∑ i IHSGt-i + ε2t
31
Di mana:
SHCOMP : Shanghai Composite Index
IHSG : Indeks Harga Saham Gabungan
ε1t dan ε2t adalah proses white noise (independen terhadap perilaku historis
SHCOMP dan IHSG. Pada persamaan (1), pola pergerakan harga saham IHSG
dipengaruhi oleh variabel pergerakan harga IHSG sendiri pada periode
sebelumnya dan oleh pola pergerakan SHCOMP sebelumnya. Begitu juga
sebaliknya. Estimasi terhadap model VAR ini dapat dilakukan dengan metode
ordinary least square (OLS) dengan asumsi bahwa white noise ε1t dan ε2t
independen terhadap nilai historis variabel yang diamati, maka parameter estimasi
model yang diperoleh dengan metode estimasi OLS konsisten.
3.10 Fungsi Impulse Response
Fungsi impulse response pada dasarnya menelusuri pengaruh goncangan
standar deviasi terhadap perubahan-perubahan nilai variabel endogen periode
sekarang dan periode ke depan. Goncangan terhadap variabel i secara langsung
akan berpengaruh pada variabel tersebut, dan menyebar dampaknya kepada
seluruh variabel endogen melalui struktur dinamis VAR (Kurnia, 2005).
Lebih lanjut Widarjono (2009) menyatakan bahwa koefisien yang secara
individual berada di dalam model VAR sulit untuk diinterpretasikan, maka itu
para ahli menggunakan analisis impulse response. Impulse response ini
merupakan salah satu analisis penting di dalam model VAR. Widarjono (2009)
menyatakan analisis impulse response ini digunakan untuk melacak respon dari
32
variabel endogen di dalam sistem VAR karena adanya gonjangan (Shocks) atau
perubahan di dalam variabel gangguan ( ). Impulse response dalam penelitian ini
difokuskan untuk mengetahui respon IHSG dan SHCOMP apabila terdapat shock
uIHSG dan uSHCOMP.
Dalam kasus bivariate VAR antara SHCOMP dan IHSG, maka persamaan
yang diamati dalam penelitian ini adalah sebagai berikut:
IHSGt = α11 IHSGt-1 + α12 SHCOMPt-1 + ε1t
SHCOMPt = α21 IHSGt-1 + α22 SHCOMPt-1 + ε2t
Perubahan pada ε1t akan segera berpengaruh terhadap nilai IHSG
sekarang, begitu juga hal tersebut akan berpengaruh terhadap nilai IHSG dan
SHCOMP periode selanjutnya. Hal ini disebabkan baik karena lag IHSG dan lag
SHCOMP ada dalam dua persamaan tersebut. Jika dua variabel inovasi ε1t dan ε2t
dalam contoh persamaan tersebut tidak berkorelasi, interprestasi fungsi impulse
response bersifat langsung, di mana ε1t merupakan variabel inovasi untuk IHSG
dan ε2t untuk variabel SHCOMP.
Dalam kenyataannya, variabel innovasi ε1t dan ε2t biasanya saling
berkorelasi sehingga keduanya memiliki komponen bersama dalam dampaknya
terhadap variabel endogen, keduanya tidak bisa dipisahkan dampaknya terhadap
variabel secara terpisah. Dengan saling berkorelasinya variabel, maka tidak bisa
diketahui respon suatu variabel yang berasal dari variabel inovasi secara terpisah.
Oleh karena itu, Variance Decomposition diperlukan untuk memisahkan dampak
masing-masing variabel inovasi tersebut secara individual terhadap respon yang
diterima suatu variabel (Kurnia, 2005).
33
3.11 Variance Decomposition
Selain impulse response, model VAR juga menyediakan analisis forecast
error decomposition of variance atau seringkali disebut dengan variance
decomposition. Widarjono (2009) menyatakan bahwa Analisis ini
menggambarkan relatif pentingnya setiap variabel di dalam sistem VAR karena
adanya shocks. Variance decomposition berguna untuk memprediksi kontribusi
persentase varian setiap variabel karena adanya perubahan variabel tetentu di
dalam sistem VAR. Dalam penelitian ini, varian decomposition ditujukan untuk
mengetahui proporsi varians σSHCOMP dan σIHSG karena shock uSHCOMP dan uIHSG.
34
BAB V
PEMBAHASAN
4.1 Volatilitas SHCOMP dan IHSG Selama Kurun Waktu 2008-2012
Shanghai Composite Index merupakan salah satu indeks saham yang
diperdagangkan di Bursa efek China atau yang lebih di kenal dengan bursa efek
Shanghai. Bursa Ini adalah salah satu dari dua bursa saham yang beroperasi secara
independen di Republik Rakyat China. Sedangkan bursa lainnya adalah bursa efek
Shenzhen. Bursa efek Shanghai merupakan pasar modal yang memiliki
kapitalisasi pasar terbesar nomor 6 di dunia, dengan kapitalisasi pasar sebesar US
$ 2,3 triliun per Desember 2011. Berbeda dengan bursa efek Hong Kong, bursa
efek Shanghai masih belum sepenuhnya terbuka untuk investor asing, karena
ketatnya akun modal kontrol yang dilaksanakan oleh otoritas China daratan.
Namun demikian, karena semakin terintegrasinya pasar modal antara negara dan
semakin banyaknya investasi dalam dan di luar negeri yang dilakukan oleh
investor China, membuat bursa efek China selalu berkembang dari waktu ke
waktu. Berikut perkembangan perdagangan saham yang terjadi di Shanghai
Composite Index selama beberapa kurun waktu terakhir (Gambar 4.1).
Sebagai salah satu bursa saham yang aktif dalam aktivitas
perdagangannya, Shanghai composite index yang tergabung dalam bursa efek
China juga mengalami tren yang cukup berfluktuasi selama kurun waktu
pengamatan. Dari data yang diperoleh dan di-plot ke dalam grafik volatilitas
secara musiman, dapat diidentifikasi bahwa SHCOMP cenderung mengalami
35
pertumbuhan dan penurunan nilai indeks yang cukup signifikan. Hal ini ditandai
dengan nilai tertinggi yang pernah ada pada musim Januari, di mana nilai indeks
adalah sebesar 5000. Selanjutnya, selama kurun waktu pengamatan data, banyak
terjadi beberapa peristiwa yang cukup mempengaruhi pergerakan nilai indeks ini,
seperti pertumbuhan perekonomian China yang menjadi pusat perkembangan
industri. Pusat pertumbuhan industri yang semula berada di kawasan Amerika
maupun Eropa, sekarang telah berotasi ke wilayah Asia. Lebih lanjut, nilai indeks
ini juga terkoreksi dengan cukup tajam, di mana kinerja indeks menurun hingga
ke level 2000-an. Hal ini terjadi karena dampak yang cukup kuat sebagai akibat
dari krisi keuangan di Amerika.
Gambar 4.1Trend Nilai SHCOMP Selama Kurun Waktu 2008-2012
Sumber: Hasil Penelitian, 2013.
Lebih lanjut, bursa efek lainnya yang diduga memiliki hubungan
kointegrasi yang erat dengan burasa efek Shanghai adalah Bursa Efek Indonesia
1,500
2,000
2,500
3,000
3,500
4,000
4,500
5,000
5,500
2008 2009 2010 2011 2012
SHCOMP
36
yang diwakili oleh Indeks Harga Saham Gabungan yang
selanjutnya disingkat IHSG. IHSG merupakan salah satu indeks pasar saham yang
digunakan oleh Bursa Efek Indonesia yang dahulunya disebut dengan Bursa Efek
Jakarta (BEJ). Indeks ini pertama kali diperkenalkan pada tanggal 1 April 1983
sebagai indikator pergerakan harga saham di BEJ. Indeks ini mencakup
pergerakan harga seluruh saham biasa dan saham preferen yang tercatat di BEI.
Hari dasar untuk perhitungan IHSG adalah tanggal 10 Agustus 1982. Pada tanggal
tersebut, Indeks ditetapkan dengan Nilai Dasar 100 dan saham tercatat pada saat
itu berjumlah 13 saham. Adapun tren pergerakan nilai IHSG selama kurun waktu
lima tahun terakhir dapat dilihat pada Gambar berikut ini.
Gambar 4.2Trend Nilai IHSG Selama Kurun Waktu 2008-2012
Sumber: Hasil Penelitian, 2013.
1,200
1,600
2,000
2,400
2,800
3,200
3,600
4,000
4,400
4,800
5,200
2008 2009 2010 2011 2012
IHSG
37
Gambar 4.2 di atas menunjukkan volatilitas atau kecenderungan
pergerakan Indeks Harga Saham Gabungan selama kurun waktu periode
pengamatan, yaitu dari tahun 2008 sampai dengan 2012. Secara umum, Gambar di
atas menunjukkan bahwa terjadi perubahan nilai indeks yang cukup signifikan, di
mana pada tahun 2008, nilai indeks berada pada titik 2800 dan terjadi
kecenderungan penurunan nilai indeks (terkoreksi) hingga mencapai titik terendah
pada level 1200 pada awal tahun 2009. Hal ini terjadi sebagai dampak dari adanya
krisis keuangan global yang bermula di Amerika dan menular hingga ke Eropa
dan Negara-negara yang berada di kawasan Asia. Sebaliknya, setelah memasuki
periode tahun 2010, nilai indeks kembali naik, hal ini diasosiasikan layaknya
kondisi bullish, karena pasar dan kondisi perekonomian ada dalam fase recovery.
Secara langsung, penurunan kemampuan atau kinerja keuangan di Amerika turut
berdampak pada pengurangan atau penurunan jumlah ekspor komoditas dari
Indonesia ke Amerika. Hubungan jangka panjang ini pernah diteliti oleh Usman
(2012) yang menemukan bahwa DJI cenderung mempengaruhi naik turunnya
IHSG. Volatilitas DJI lebih banyak disebabkan oleh DJI sendiri, bukan karena
disebabkan oleh IHSG. Lebih lanjut, dapat diperhatikan pada gambar volatilitas
nilai indeks di bursa efek China yang diwakili oleh SHCOMP juga mengalami
tren yang cukup negatif. Hal ini dikarenakan dampak dari kiris keuangan global
cukup kuat menghantam kondisi perekonomian China dibandingkan Indonesia.
38
4.2 Uji Stasioneritas (Unit Root Test)
Uji akar unit perlu dilakukan untuk melihat perilaku data. Apakah data
stasioner atau tidak stasioner. Bila data tidak stasioner atau non stasioner, maka
data harus didifferensikan. Pengujian akar unit ini pada umumnya dilakukan
dengan menjalankan fungsi ADF dan juga DF. Berdasarkan hasil uji akar unit
dengan menggunakan Augmented Dickey fuller (ADF) dan Dickey fuller (DF),
kedua variabel yang dianalisa dalam penelitian ini baru stasioner setelah
didifferensikan pada orde pertama. Uji dilakukan pada tingkat none. Berikut hasil
dari uji akar unit variabel SHCOMP dan IHSG pada first different:
Tabel 4.1Hasil Estimasi Uji Akar Unit berdasarkan ADF dan DF StatistikNull Hypothesis: D(IHSG) has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=10)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -6.897462 0.0000Test critical values: 1% level -3.534868
5% level -2.90692310% level -2.591006
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test EquationDependent Variable: D(IHSG,2)Method: Least SquaresDate: 07/11/13 Time: 07:41Sample (adjusted): 2008M01 2013M05Included observations: 65 after adjustments
Sumber: Hasil estimasi menggunakan E Views 6.Catatan * signifikan pada α = 5%
4.3 Penentuan Lag Optimal
Sebelum estimasi terhadap model VAR dilakukan, hal pertama yang
harus dilakukan adalah menentukan berapa panjang lag yang tepat dalam model
39
VAR. Pada dasarnya, semakin panjang lag dalam model VAR bisa
menggambarkan cakupan analisis yang lebih luas dari perilaku dinamis data.
Tetapi semakin panjang lag dalam model, akan semakin mengurangi degree of
freedom (Kurnia 2005). Dalam penelitian ini, ditentukan panjang lag yang
ditetapkan adalah sepanjang 4 lag.
Untuk menentukan lag length optimal (lag optimal), penelitian ini
menggunakan kriteria informasi dengan menggunakan metode Akaike Information
Criterion (AIC), Schwarz Criterion (SC) dan Hannan-Quinn (HQ). Dari hasil uji
tersebut dapat diketahui bahwa E Views 6 merekomendasikan lag optimal pada
model VAR tersebut. Hasil menunjukkan bahwa jumlah lag optimal yang
direkomendasaikan adalah lag 1. Proses pengujian dalam penentuan lag length
optimal pada penelitian ini menggunakan perangkat lunak E Views versi 6. Hasil
output dapat dilihat pada Tabel Berikut:
Tabel 4.2Hasil lag Optimal Dengan Menggunakan Model VAR
Model 1 Lag AIC SC HQ0 16.69028 16.75610 16.716331 13.30130 13.40083 13.340622 13.33333 13.46714 13.386123 13.35384 13.52250 13.420284 13.34964 13.55375 13.42992
Sumber: Hasil Penelitian, 2013.
4.4 Uji Kausalitas Granger
Granger (1983) dalam Widarjono (2009) menyatakan bahwa keberadaan
variabel nonstasioner menyebabkan kemungkinan besar adanya hubungan jangka
40
panjang antara variabel di dalam sistem VAR. Hubungan kausalitas dua arah
terjadi dari variabel SHCOMP terhadap IHSG pada α = 5%
Tabel 4.3Granger Test Results
Pairwise Granger Causality TestsDate: 12/05/13 Time: 22:10Sample: 2007M11 2013M05Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
IHSG does not Granger Cause SHCOMP 65 0.65227 0.5245SHCOMP does not Granger Cause IHSG 0.93845 0.3969
Sumber: Hasil pengujian Granger Causality (Hasil estimasi menggunakan E Views 6).
4.5 Uji Kointegrasi
Uji kointegrasi dilakukan untuk mengetahui kemungkinan terjadinya
kestabilan jangka panjang (long run equilibrium) di antara variabel-variabel yang
diamati. Uji kointegrasi dalam penelitian ini menggunakan pendekatan Johansen
dan didapat hasil analisis sebagai berikut:
Tabel 4.4Cointegration Test Results
Date: 12/05/13 Time: 22:12Sample (adjusted): 2008M02 2013M05Included observations: 64 after adjustmentsTrend assumption: Linear deterministic trendSeries: SHCOMP IHSGLags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.242206 18.09161 15.49471 0.0199At most 1 0.005324 0.341648 3.841466 0.5589
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level* denotes rejection of the hypothesis at the 0.05 level**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
41
Hypothesized Max-Eigen 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.242206 17.74996 14.26460 0.0135At most 1 0.005324 0.341648 3.841466 0.5589
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level* denotes rejection of the hypothesis at the 0.05 level**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
SHCOMP IHSG-0.001988 -0.0004150.000313 -0.001015
Unrestricted Adjustment Coefficients (alpha):
D(SHCOMP) 105.2810 -7.343681D(IHSG) -2.224984 -11.90663
1 Cointegrating Equation(s): Log likelihood -843.0484
Normalized cointegrating coefficients (standard error in parentheses)SHCOMP IHSG1.000000 0.208854
(0.12468)
Adjustment coefficients (standard error in parentheses)D(SHCOMP) -0.209258
(0.05525)D(IHSG) 0.004422
(0.04260)
Sumber: Hasil pengujian Kointegrasi (Hasil estimasi menggunakan E Views 6).
Dari hasil estimasi model Johansen di atas, dapat diketahui bahwa data
dari dua variabel menunjukkan adanya hubungan kointegrasi. Pada Tabel hasil
estimasi kointegrasi dapat diketahui nilai trace statistic dan max eigen statistic
masing-masing indeks lebih besar daripada critical value-nya baik pada tingkat
5% maupun 1%. Hal ini mengindikasikan bahwa ada hubungan jangka panjang
dari kedua variabel yang diteliti. Setelah diketahui bahwa terdapat hubungan
kointegrasi pada tiap variabel, maka dapat dipastikan bahwa model yang
digunakan dalam penelitian ini adalah VAR bentuk differensi.
42
4.6 Hasil Estimasi VAR Bentuk Differensi
Model VAR menganggap bahwa semua variabel ekonomi adalah saling
tergantung dengan yang lain (Widarjono, 2009). Setelah dilakukan pengolahan
data melalui model VAR bentuk differensi dengan menggunakan E Views 6,
maka hasil yang dapat diketahui adalah sebagai berikut:
Tabel 4.5Output Estimasi Vector Auto Regression Bentuk Differensi
Vector Autoregression EstimatesDate: 12/08/13 Time: 06:59Sample (adjusted): 2008M01 2013M05Included observations: 65 after adjustmentsStandard errors in ( ) & t-statistics in [ ]
IHSG SHCOMP
IHSG(-1) 1.094423 0.105873(0.13912) (0.17150)[ 7.86666] [ 0.61733]
IHSG(-2) -0.092010 -0.136227(0.14357) (0.17698)[-0.64089] [-0.76972]
SHCOMP(-1) 0.049022 0.606961(0.10232) (0.12614)[ 0.47910] [ 4.81199]
SHCOMP(-2) -0.086395 0.153157(0.09374) (0.11556)[-0.92166] [ 1.32538]
C 128.5059 679.9186(138.474) (170.705)[ 0.92801] [ 3.98301]
R-squared 0.970004 0.825641Adj. R-squared 0.968004 0.814017Sum sq. resids 2024138. 3076033.S.E. equation 183.6726 226.4227F-statistic 485.0693 71.02952Log likelihood -428.4847 -442.0858Akaike AIC 13.33799 13.75649Schwarz SC 13.50525 13.92375Mean dependent 3154.360 2631.064S.D. dependent 1026.832 525.0294
Determinant resid covariance (dof adj.) 1.37E+09Determinant resid covariance 1.17E+09Log likelihood -862.9495
43
Akaike information criterion 26.85998Schwarz criterion 27.19451
Sumber: Hasil estimasi VAR bentuk Differensi (Hasil estimasi menggunakan E Views 6).
4.7 Hasil Impulse Response
Estimasi terhadap fungsi impulse response bertujuan untuk menelusuri
dampak goncangan (shock) variabel inovasi terhadap variabel lainnya.
Berdasarkan hasil estimasi, dampak respon yang diterima akibat goncangan
variabel dapat dilihat secara grafis. Dari Gambar di bawah dapat diketahui bahwa
dampak respon suatu variabel akibat shock variabel lainnya sampai dengan
sepuluh periode setelah (shock) semakin melebar.
Gambar 4.3Impulse Response Sampai Sepuluh Kuartal
Sumber: Hasil estimasi Impulse Response model VAR dengan bentuk VECM (Hasil estimasi menggunakan E Views 6).
-100
0
100
200
300
400
1 2 3 4 5 6 7 8 9 10
Response of IHSG to IHSG
-100
0
100
200
300
400
1 2 3 4 5 6 7 8 9 10
Response of IHSG to SHCOMP
-80
-40
0
40
80
120
160
200
240
1 2 3 4 5 6 7 8 9 10
Response of SHCOMP to IHSG
-80
-40
0
40
80
120
160
200
240
1 2 3 4 5 6 7 8 9 10
Response of SHCOMP to SHCOMP
Response to Cholesky One S.D. Innovations ± 2 S.E.
44
Gambar 2 di atas menggambarkan fungsi impulse response dengan
pengamatan sepuluh (10) kuartal setelah shock. Terlihat dari pengamatan sampai
dengan sepuluh kuartal setelah shock, dampak respon yang diterima oleh IHSG
akibat goncangan semakin besar. Hal ini terlihat dari paramater variabel IHSG
dan SHCOMP yang semakin melebar.
4.8 Variance Decomposition
Variance decomposition bertujuan untuk memisahkan dampak masing-
masing variabel inovasi tersebut secara individual terhadap respon yang diterima
suatu variabel (Kurnia, 2005). Hasil variance decomposition pada persamaan
VAR bentuk VECM difokuskan pada kontribusi shock variabel SHCOMP
terhadap Variabel IHSG. Hal ini dapat dilihat pada Tabel berikut:
Tabel 4.6Variance Decomposition
Variance Decomposition
of IHSG:Period S.E. IHSG SHCOMP
1 183.6726 100.0000 0.0000002 276.2359 99.87229 0.1277083 343.2443 99.91698 0.0830204 397.3094 99.90764 0.0923635 443.5893 99.84412 0.1558756 484.7409 99.74490 0.2551017 522.2716 99.62384 0.3761598 557.1199 99.49192 0.5080829 589.9074 99.35657 0.64342610 621.0661 99.22275 0.777251
Mean 99.694 0.297
45
Variance Decomposition of SHCOMP:Period S.E. IHSG SHCOMP
1 226.4227 20.90285 79.097152 270.1406 23.96136 76.038643 296.8926 24.28253 75.717474 311.0671 24.12878 75.871225 319.2129 23.78241 76.217596 323.8924 23.42356 76.576447 326.6493 23.11501 76.884998 328.3323 22.88468 77.115329 329.4326 22.74005 77.2599510 330.2314 22.67865 77.32135
Mean 23.186 76.804
Sumber: Hasil estimasi Variance decompostion VAR bentuk Differensi (Hasil estimasi menggunakan E Views 6).
Berdasarkan Tabel di atas yang didapat melalui dekomposisi varian fungsi
impulse response, tampak bahwa respon respon IHSG lebih banyak disebabkan
karena goncangan pada IHSG itu sendiri dengan proporsi 99.69 %. Proporsi nilai
rata-rata IHSG adalah 23,18 %. Sedangkan respon IHSG disebabkan oleh shock
SHCOMP dengan proporsi 6.58 %. Sisanya sebesar 0.29 % disebabkan karena
shock IHSG. Hal ini terjadi karena meskipun krisis keuangan Amerika sudah
mereda di penghujung tahun 2010, kinerja bursa efek China tetap cenderung
belum menunjukkan perubahan yang berarti. Namun di sisi lainnya, kinerja Bursa
efek Indonesia terus meningkat sebagai akibat dari tingginya pertumbuhan sektor
rill dan industri kreatif di Indonesia. Selain itu, positifnya tren pertumbuhan
ekonomi di Indonesia turut mendorong perhatian dari investor asing di berbagai
belahan dunia. Dengan demikian, hal ini banyak membuat investor asing
menempatkan dananya di Indonesia dengan cara melakukan Foreign Direct
46
Investment (FDI) dan juga portofolio investasi dalam berbagai bentuk instrumen
investasi lainnya.
4.9 Pembahasan dan Diskusi
Adanya dugaan terhadap hubungan jangka panjang (kointegrasi) antara
dua atau lebih bursa saham menjadi fokus utama dalam kajian ini. Peneliti
menduga bahwa bursa saham China dan juga Bursa saham Indonesia memiliki
hubungan yang cukup dinamis. Hal ini ini cukup beralasan karena Indonesia dan
China telah membangun hubungan kerjasama baik dalam bidang perdagangan,
politik, sosial budaya dan juga ekonomi dalam jangka waktu yang panjang.
Pada saat hampir sebagian besar Negara-negara maju dan berkembang
menghadapi parahnya kondisi krisi global pada tahun 2009, China dan Indonesia
juga turut merasakan dampak negatif dari munculnya shock tersebut. Namun
demikian, Indonesia bukanlah satu-satunya Negara yang merasakan dampak
cukup besar. Sebaliknya, China sebagai salah satu pusat pertumbuhan ekonomi
dunia saat ini merasakan dampak yang lebih besar. Hal ini dapat dibuktikan dari
ekstremnya pergerakan nilai indeks Bursa efek China yang diwakili oleh
Shanghai composite index (SHCOMP). Sebaliknya, hal serupa tidak berlaku pada
Indonesia. Kinerja perekonomian Indonesia yang tercermin dalam pasar modal
lebih banyak ditopang oleh sektor rill dan industry kreattif dibandingkan afiliasi
perdagangan derivatif dengan negara maju lainnya. Namun demikian, Indonesia
dan China adalah dua Negara yang saling berhubungan dalam hal kerja sama
ekonomi.
47
Penelitian ini mengungkapkan bahwa terdapat hubungan jangka panjang
antara Bursa Efek China yang diwakili oleh Shanghai Compostie Index
(SHCOMP) dengan Bursa Efek Indonesia yang diwailiki oleh Indeks Harga
Saham Gabungan (IHSG). Hal ini dapat dibuktikan dari hasil pengujian hubungan
(Cointegration test) melalui Estimasi VAR dalam bentuk differensi. Pada
awalnya, perilaku data dari kedua variabel ini cukup ekstrem, karena
menunjukkan perilaku data yang tidak stasioner. Hal ini disebabkan perilaku data
pada SHCOMP cenderung berbeda jauh dengan perilaku data IHSG. Namun
demikian, berbedanya perilaku data dari kedua variabel tersebut dipengaruhi oleh
faktor kelambanan (lag), di mana lag memainkan peran besar sehingga setelah
dilakukan uji kointegrasi, data menjadi stasioner pada lag 1. Hal ini
mengindikasikan bahwa kinerja pasar modal dipengaruhi oleh kinerja atau prestasi
sebelumnya dari pasar modal itu sendiri dan juga faktor lainnya.
Signifikannya hubungan antara bursa efek China dan bursa efek Indonesia
didukung juga karena aktivitas perdagangan luar negeri yang terjadi pada kedua
negara tersebut. Indonesia, adalah salah satu pasar supplier terbesar yang
memasok berbagai bahan baku untuk pasar industri China. Sedangkan China,
turut menjadi pasar supplier terbesar sebagai pemasok berbagai macam produk
manufaktur maupun non manufaktur ke Indonesia. Secara teori, kinerja pasar
modal dari dua Negara ini seharusnya saling berkaitan erat. Namun demikian,
perilaku kedua data tidak menunjukkan demikian. China merasakan dampak
negatif yang lebih hebat sebagai akibat dari adanya krisis keuangan global yang
Terjadi di Amerika dan menular ke Eropa hingga Asia. China sebagai salah satu
48
pemain besar di Asia merasakan dampak negatif seperti turunnya kegiatan ekspor
barang ke Amerika dan pasar Eropa. Hal yang sama juga terjadi pada Jepang dan
Korea, di mana mereka cenderung menjadi sedikit kesulitan untuk memasarkan
dan melakukan penetrasi produk ke pasar Amerika maupun Eropa.
Krisis global yang turut melanda Asia (China, Jepang, Korea, India) tidak
terlalu berimbas negatif terhadap kinerja pasar modal Indonesia. Hal ini
dikarenakan tidak terlalu besarnya ketergantungan Indonesia terhadap Amerika
dan Eropa. Namun, Indonesia juga merasakan dampak negatif karena kinerja
pasar modal China juga menurun selama kurun waktu tahun 2009. Sebagai
langkah untuk mengantisipasi hal tersebut, Indonesia lebih memperkuat
perekonomian nasional dengan mengutamakan sektor rill dan sektor industri
kreatif, sehingga meskipun kondisi keuangan global sedang berada dalam situasi
yang rumit (resession), Indonesia masih bisa mencatatkan kinerja pertumbuhan
ekonomi yang kuat, yaitu di atas 6 % pertahun. Hal yang yang sama juga mulai
terjadi di China, meskipun pertumbuhan ekonominya cenderung menurun pasca
terjadinya shock krisis global, namun China sudah mulai menunjukkan kinerja
yang kembali positif. Dengan demikian, terdapat hubungan jangka panjang antara
kedua bursa saham ini, karena aktivitas perekonomiannya saling terafiliasi.
Beberapa hal yang membedakan adalah, China merupakan salah satu pemain
global yang sekarang menjadi pusat perhatian Dunia, sedangkan Indonesia
merupakan salah satu Negara berkembang yang baru akan meningkatkan kinerja
ekonominya, di mana hal tersebut terbukti ketika Indonesia masuk dalam kategori
49
Negara dengan pertumbuhan ekonomi terbesar di dunia selama beberapa waktu
terakhir ini.
50
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah dilakukan analisis terhadap pergerakan nilai indeks Bursa China
yang diproksi oleh Shanghai Composite Index (SHCOMP) dan Bursa Efek
Indonesia yang diproksi oleh Indeks Harga Saham Gabungan (IHSG), maka hasil
estimasi dengan menggunakan model Vector Autoregressive bentuk differensi
yang diinterpreastikan dengan fungsi impulse response, dan variance
decomposition menghasilkan beberapa kesimpulan sebagai berikut:
1. Krisis ekonomi yang terjadi di China sebagai dampak dari krisis global yang
diproksi oleh Shanghai Composite Index (SHCOMP) berpengaruh terhadap
pergerakan Bursa Efek Indonesia yang diproksi oleh Indeks Harga Saham
Gabungan (IHSG). Hal ini terbukti dengan dilakukannya pengujian
hubungan kointegrasi (hubungan jangka panjang) melalui estimasi VAR
bentuk Diffensi, di mana turunnya nilai indeks SHCOMP pada tahun 2008
juga berimbas pada penurunan nilai IHSG pada tahun 2008.
2. Respon Shanghai Composite Index (SHCOMP) lebih banyak disebabkan
oleh goncangan pada SHCOMP itu sendiri, atau dari goncangan variabel
lainnya yang berada di luar model yang dibangun dalam penelitian ini.
Sedangkan respon Indeks Harga Saham Gabungan (IHSG) hanya sedikit
yang disebabkan oleh shock Shanghai Composite Index (SHCOMP).
Hampir sebagian besar shock yang terjadi pada SHCOMP disebabkan oleh
51
afiliasi perdagangnya dengan pasar modal lain di luar pasar modal
Indonesia.
5.2 Saran
Ada beberapa saran yang dapat direkomendasikan bagi para peneliti untuk
melakukan penelitian yang serupa dengan riset ini, yaitu:
1. Disarankan agar peneliti selanjutnya untuk melakuk analisis hubungan
kointegrasi dengan rentang waktu penelitian yang lebih panjang.
2. Disarankan agar peneliti selanjutnya menggunakan obyek yang lebih
beragam, seperti identifikasi terhadap hubungan kointegrasi antara bursa
efek lintas benua dan tidak terbatas pada dua proksi bursa saja.
52
BAB VI
JADWAL PELAKSANAAN
6.1 Jadwal Pelaksanaan Penelitian
Pelaksanaan penelitian dijadwalkan selama empat (4) bulan. Urutan serta
tahapan penelitian disusun kembali sesuai dengan rencana penelitian serta
indikator yang ingin dicapai selama empat bulan ke depan. Untuk lebih
mempermudah penyusunan dan pelaksanaan penelitian, maka proses serta tahapan
yang akan dijalankan disusun ke dalam diagram bar chart sebagai berikut.
Tabel 6.1 Jadwal Pelaksanaan Penelitian
No KegiatanBulan ke (Selama 4 bulan) 2013
Indikator Capaian1 2 3 4
1 Identifikasi masalah melalui pengumpulan data awal tentang dokumen dan referensi-referensi pendukung untuk membuat proposal.
Identifikasi terhadap permasalahan yang terjadi sebagai fenomena penelitian.
2 Mengumpulkan informasi dasar mengenai Bursa efek Indonesia dan Bursa efek China yang diwakili oleh IHSG dan SHCOMP.
Pelaksanaan tahap pertama,pengumpulan data mengenai harga saham di kedua bursa efek.
3 Input data dan melakukan proses pengolahan sehingga interpretasi awal terhadap hasil penelitian dapat dielaborasi secara komprehensif.
Tabulasi data dan pengolahan data dengan menggunakan alat analisis statistik untuk kemudian di bahas dan didiskusikan hasil yang didapat.
4 Penyusunan laporan akhir dan melaporkan outputpenelitian.
Persiapan laporan akhir hasil penelitian dan melaporkan outputpenelitian ke lembaga penelitian untuk selanjutnya di submit ke Jurnal Nasional.
53
DAFTAR PUSTAKA
Cooper,D. R., & Pamela S. S. (2011). Business Research Methods, 11th ed. NewYork: MaGraw-Hill/Irwin.
Gujarati, N. D. (1995). Basic Econometrics, Third Edition. New York:MacGraw—Hill.
Harris, R. (1995). Cointegration Analysis in Econometric Modelling. New York:Prentice Hall.
Husnan, S. (1994). Investasi Di Pasar Modal, Perkembangan, Kecenderungan,Kebutuhan dan Prospek. Kelola. No 7. III. Pp 100-113.
Insukindro. (1998). Syndrum R2 Dalam Analisis Regresi Linear Runtun Waktu.Jurnal Ekonomi dan Bisnis Indonesia. Vol.13. No.4 pp 1-11.
Kaniawati. (2009). Analisis Perbandingan DJIA Performance Sebelum danSesudah Bailout 3 Oktober 2008 dan Pengaruhnya Terhadap Bursa diBerbagai Negara. Jurnal Bisnis dan Manajemen. Vol X. No. 1 pp. 49-71.
Kurnia, S. A. (2005). Ananlisis Interdependensi Neraca Transaksi BerjalanNeraca Modal Indonesia Pendekatan Model Vector Autoregressive DanVector Error Correction 1981.1-2002.3. Jurnal Ekonomi Pembangunan.Pp 43-66.
Mauliano, A. D. (2009). Analisis Faktor-Faktor yang mempengaruhi PergerakanIndeks Harga Saham Gabungan (IHSG) di Bursa Efek Indonesia. (TesisTidak Dipublikasikan) Universitas Gunadharma.
Media Indonesia. (2011).http://www.mediaindonesia.com/read/2011/12/30/288122/20/2/IHSGTerbaik-Kedua-Se-Asi a-Pasific (Diakses Tanggal 5 Januari 2012 pukul16.45 WIB).
Widarjono, A. (2009). Ekonometrika Pengantar dan Aplikasinya. Yogyakarta:Ekonisia Fakultas Ekonomi UII.
BAPEPAM, (2008). Analisis hubungan kointegrasi dan Kausalitas sertahubungan dinamis antara Aliran modal asing, perubahan nilai tukar Danpergerakan IHSG di pasar modal Indonesia. Badan pengawas pasar modaldan lembaga keuangan Departemen keuangan republik Indonesia.
Lestari, M. (2005) Pengaruh Variabel Makro Terhadap Return Saham Di BursaEfek Jakarta: Pendekatan Beberapa Model. Simposium AkuntansiNasional VIII. Solo.pp 504-513.
Usman. B. (2012). DJI Vs IHSG: Sebuah Analisis Dampak Terjadinya KrisisGlobal. The Manager Review. Vol. 14. (3). 2012.
Parthapratim, P. (2006): Foreign portfolio investment Stock market and economicdevelopment: A case study of India: “Draft paper submitted for theAnnualconference of Development and Change mission promoting developmentin a globalized world”.
54
Lampiran 1. Justifikasi Anggaran Penelitian
JUSTIFIKASI ANGGARAN
1. Anggaran PenelitianHonor PenelitiNo Tim Peneliti Jumlah
OrangJumlah
JamHonor/jam
(Rp)Jumlah (Rp)
1 Peneliti Utama 1 5 25.000 125.0002 Anggota Peneliti 2 5 20.000 200.000
Jumlah 325.000
Pengumpulan Data LapanganNo Penerima Jumlah
OrangJumlah
HariTarif (Rp)
Jumlah (Rp)
1 Enumerator 3 5 25.000 375.000Jumlah 375.000
Pengolahan DataNo Kegiatan Jumlah
OrangHonor (Rp) Jumlah (Rp)
1 Tabulasi Data 3 50.000 150.0002 Entry Data 3 50.000 150.0003 Analisis Data 3 100.000 300.000
Jumlah 600.000
Penyusunan LaporanNo Penerima Satuan Volume Tarif (Rp) Jumlah (Rp)1 Penyusunan Draf dan
Laporan HasilPaket 1 300.000 300.000
Jumlah 300.000
Bahan Habis Pakai/ATKNo Jenis ATK Satuan Volume Harga Jumlah (Rp)1 Kertas Rim 4 35.000 140.0002 Tinta Hitam Buah 4 35.000 140.0003 Tinta Warna Buah 2 25.000 50.000
Jumlah 330.000
Fotocopy dan PenjilidanNo Kegiatan Satuan Volume Harga Jumlah (Rp)1 Fotocopy Lembar 1.000 200 200.0002 Penjilidan Eks 6 20.000 120.000
Jumlah 320.000
55
PeralatanNo Kegiatan Satuan Volume Harga Jumlah (Rp)1 Catridge Cannon Buah 1 200.000 250.000
Jumlah 250.000
Penggunaan dana penelitian ini didasarkan pada beberapa kegiatan, yaitu: honor peneliti, pengumpulan data lapangan, pengolahan data, penyusunan laporan, bahan habis pakai, fotocopy dan penjilidan, dan peralatan. Anggaran penelitian ini secara rinci dapat dilihat pada Tabel di atas. Adapun rekapitulasinya dapat dilihat pada Tabel berikut ini:Rekapitulasi Dana Penelitian
No Kegiatan Jumlah (Rp)1 Honor Peneliti 325.0002 Pengumpulan Data Lapangan 375.0003 Pengolahan Data 600.0004 Penyusunan Laporan 300.0005 Bahan Habis Pakai (ATK) 330.0006 Fotocopy dan Penjilidan 320.0007 Peralatan 250.000
Jumlah 2.500.000
56
Lampiran 2. CV Ketua Peneliti
A. IDENTITAS DIRI1 Nama Lengkap : Dr. Ridwan Nurazi, SE., M.Sc2 Jenis Kelamin : Laki-Laki3 Jabatan Fungsional : Lektor Kepala4 NIP/NIK/Identitas Lainnya : 19600915 198903 1 0045 NIDN : 00150960096 Tempat & Tanggal Lahir : Yogyakarta, 15 September 19607 E-Mail : [email protected] Nomor Telefon/HP : 0811739872
9 Alamat Kantor : Jln. WR Supratman Kandang Limun, Bengkulu10 Nomor Telepon/Faks : 38222/2108811 Lulusan yang telah dihasilkan : S1: 312 orang S2: 153 orang S3: -13 Mata kuliah yang diampu 1. Manajemen Keuangan I & II
2. Seminar Manajemen Keuangan3. Manajemen Keuangan Internasional4. Manajemen Keuangan Sektor Publik
B. RIWAYAT PENDIDIKANS-1 S-2 S-3
Nama Perguruan Tinggi Univ. Gadjah Mada Yogyakarta
Univ. of Illinois USA Univ. Southern Cross Australia
Bidang Ilmu Akuntansi Akuntansi/keuangan Keuangan/AkuntansiTahun Masuk-Lulus 1987 1993 2003Judul Skripsi/Tesis/Disertasi
Evaluasi Sistem Akuntansi Kalimantan Trading Company
International Accounting Integrity
Investigation of the Use of CAMELS Ratios as Good Predictors in Predicting Bank Failure (Indonesian Case)
Nama Pembimbing/Promotor
Dr. Arief Suadi, MBA
Prof, Peter Holzer, Ph.D
Prof. Michael D. Evans, Ph.D
C. PENGALAMAN PENELITIAN DALAM 5 TAHUN TERAKHIR(Bukan Skripsi Tesis maupun Disertasi)
No Tahun Judul PenelitianPendanaan
Sumber* Jumlah (juta)1 2008 Policy Study on Accounting
Information System at University of Bengkulu
World Bank Rp. 45.000.000
2 2008 Survey Dampak Program Perkuatan Koperasi, Kementerian Koperasi RI
Kementerian Koperasi RI
Rp.55.000.000
3 2009 Financial Management dan Peningkatan Profitabilitas Usaha Kecil Menengah di Kota Bengkulu
Hibah Bersaing Rp. 50.000.000
57
4 2011 Baseline Survey, komoditas, produk, dan jasa unggulan (KPJU), Bank Indonesia, Bappeda Provinsi Bengkulu
BAPPEDA Prov Bengkulu, Bank Indonesia
Rp. 400.000.000
5 2011 Corporate Governance dan Tunneling: bukti empiris Indonesia
Hibah MM-Unib
Rp. 15.000.000
6 2012 Corporate Plan Bank Bengkulu Bank Bengkulu Rp. 150.000.0007 2012 Investigasi Pengaruh Fundamental
Keuangan, Suku Bunga, Kurs dan Inflasi Terhadap Return Saham Sektor Perbankan
Hibah MM Unib
Rp. 15.000.000
8 2013 Naskah Akademik Corporate Social Responsibility
PEMDA Prov Bengkulu
Rp. 35.000.000
D. PENGALAMAN PENGABDIAN KEPADA MASYARAKAT DALAM 5 TAHUN TERAKHIR
No TahunJudul Pengabdian Pada
MasyarakatPendanaan
Sumber* Jumlah (juta)1 2007-
2011Expert Staff of Regency Legislative Assembly, Kabupaten Lebong dan Kabupaten Rejang Lebong
DPRD Lebong dan Rejang Lebong
Rp. 180.000.000
2 2012 Penanggung Jawan Penyusunan Corporate Plan Bank Bengkulu
Bank Bengkulu
Rp. 150.000.000
E. PUBLIKASI ARTIKEL ILMIAH DALAM JURNAL DALAM 5 TAHUN TERAKHIR
No Judul Artikel Ilmiah Nama JurnalVolume/nomor
/tahun1 Analisis Potensi dan Efektivitas
Pemungutan Pajak Usaha Pertambangan dalam Meningkatkan Pendapatan Asli Daerah di Kabupaten Bengkulu Utara
Jurnal Ekonomi dan Perencanaan Pembangunan
Volume 4 Nomor 1 Januari-Juni
2 Pengaruh Kinerja Keuangan Terhadap Harga Saham Pada Perusahaan Farmasi yang Go Public Tahun 2006-2009
Jurnal Ilmiah Management Insight
Volume 6 Nomor 1 April 2011
3 Analisis Pengaruh Faktor-Faktor Tingkat Underpricing Pada Perusahaan IPO (Initial Public Offering) di Bursa Efek Indonesia)
Jurnal Ilmiah Management Insight
Volume 6 Nomor 2 April 2011
4 The Analysis Of Accuracy Bearish Versus Bullish By Using Candlestick Analysis Empirical Study: LQ45 Index (1999-2012
Management Insight
Volume.7 nomor 2 2012
5 Pengaruh Pembangunan Infrastruktur Terhadap Pertumbuhan Ekonomi
Jurnal Ekonomi dan
Volume 4 no 3 Januari-Juni
58
Provinsi Bengkulu Perencanaan Pembangunan
2012
F. PEMAKALAH SEMINAR ILMIAH (ORAL PRESENTATION) DALAM 5 TAHUN TERAKHIR
NoNama Pertemuan Ilmiah/Seminar
Judul Artikel SeminarWaktu dan
Tempat1 Presenting Paper in
International Conference on Economics, Management and Accounting
Sesoned Equity Offering: Between Agency Theory, Windows of Opportunity and Firm Performance
Bengkulu, 13-14 Oktober, 2011
2 Presenting paper in International Conference on Governance and Accountability (ICGA)
The Investigation of Ownerships Structure and Growth Opportunities Towards Leverage
Solo, 5-8 December 2010
3 Presenting Paper in International Conference on Economics, Management and Accounting
The Influence of Equity Ownerships Toward Leverage
Selangor, Bangi, Malaysia, 25-26 September 2010
4 Presenting Paper in National Seminar Program Magister Manajemen UNIB
Strategi Pemberdayaan UKM Berbasis Good Corporate Governance
Bengkulu, 29 November 2008
5 Presenting Paper in International Conference, Regional Economic Development Through Networking
Role of Small and Medium Enterprices
Banda Aceh, 27-28 Oktober 2008
G.KARYA BUKU DALAM 5 TAHAN TERAKHIR
No Judul Buku TahunJumlah
HalamanPenerbit
-
H. PEROLEHAN HKI DALAM 5-10 TAHUN TERAKHIRNo Judul/Tema HKI Tahun Jenis NomorP/ID
-
I. PENGALAMAN MERUMUSKAN KEBIJAKAN PUBLIK/REKAYASA SOSIAL LAINNYA DALAM 5 TAHUN TERAKHIR
NoJudul/Tema/Jenis Rekayasa Sosial
Lainnya yang Telah DiterapkanTahun
Tempat Penerapan
Respon Masyarakat
-
59
J. PENGHARGAAN DALAM 10 TAHUN TERAKHIR (DARI PEMERINTAH, ASOSIASI ATAU INSTITUSI)
No Jenis PenghargaanInsitusi Pemberi
PenghargaanTahun
Semua data yang telah saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggung jawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.Demikian biodata ini saya buat dengan sebenarnya.
Bengkulu, September 2013
Dr. Ridwan Nurazi, SE., M.Sc., AkNIP 19600915 198903 1 004
60
Lampiran 3. CV Anggota Peneliti I
I. IDENTITAS DIRI
1 Nama Lengkap dan Gelar Paulus Sulluk Kananlua, SE, M.Si2 Jabatan Fungsional Lektor Kepala3 NIP 19580510 198903 1 0024 NIDN 00100558105 Tempat dan Tanggal
LahirTana Toraja, 10 Mei 1958
6 Alamat Rumah Perumnas UNIB Blok II/No.50 Pematang Gubernur Bengkulu
7 Nomor telepon/ Faks 0736 73102778 Nomor HP 0815393927439 Alamat Kantor FE UNIB
Jl. WR. Supratman Kandang Limun Bengkulu
10 Nomor telepon/ faks.11 Alamat e-mail [email protected] Lulusan yang telah
dihasilkan S1 = 95 orang S2 = 15 orang S3 = - orang
13 Mata Kuliah yang Diampu
1. Manajemen Keuangan2. Studi Kelayakan Bisnis3. Teori Portfolio dan Analisis Investasi4. Perilaku Organisasi
II. RIWAYAT PENDIDIKAN 1 PROGRAM S1 S22 Nama Perguruan Tinggi Universitas
HasanudinUGM
3 Bidang Ilmu Manajemen Manajemen Keuangan4 Tahun Masuk 1982 20005 Tahun Lulus 1987 20036 Judul Skripsi/Tesis/Disertasi Tinjauan terhadap
Likuiditas dan Rentabilitas Modal Sendiri pada CV Panca Jaya di Ujung Pandang (Sebuah Studi Kasus)
Analisis Fundamental sebagai Sinyal terhadapAbnormal Return
7 Nama Pembimbing/Promotor
61
III. PENGALAMAN PENELITIAN (bukan skripsi, tesis, maupun disertasi)
Urutan judul penelitian yang pernah dilakukan (sebagai ketua) selama 5 tahun terakhir, dengan urutan dimulai dari penelitian yang paling diunggulkan menurut Saudara sampai penelitian yang tidak diunggulkan.
NO TAHUN JUDUL PENELITIANPENDANAAN
SUMBER JML1 2005 Model Pemberdayaan
Masyarakat Nelayan Miskin dalam Pengembangan PengelolaanWilayah Pesisir dan Laut untuk menunjang Pembangunan Ekonomi di Kab. KAUR Propinsi Bengkulu
Hibah Bersaing
Rp 30.000.000,-
2 2004 Model Pemberdayaan Masyarakat Nelayan Miskin dalam Pengembangan PengelolaanWilayah Pesisir dan Laut untuk menunjang Pembangunan Ekonomi di Kab. KAUR Propinsi Bengkulu
Hibah Bersaing
Rp 30.000.000,-
3 2006 Pengujian Kandungan Informasi Terhadap Pengumuman Laporan Keuangan pada Perusahaan yang terdaftar di BEJ
BPPS
4. 2004 Analisis Pengaruh Faktor Fundamental terhadap Abnormal Return pada Perusahaan yang terdaftar di BEJ Jakarta
5. 2009 Model Pengentasan Kemiskinan Di Kecamatan Air Napal
Hibah Penelitian Strategis Nasional
Rp. 93.000.000,-
6. 2010 The Investigation of Ownership Structureand Growth Opportunity Towards Leverage
7. 2010 Survei Kepuasan Pelanggan PT Pelindo II Cabang Bengkulu
Pelindo Rp. 70.000.000
8. 2012 Google Search Traffic and It’s Influence on Bid/Ask Spread
Sumber pendanaan: DM, SKW, Fundamental, Hibah Bersaing, Hibah Pekerti, Hibah Pascasarjana, RAPID atau sumber lain, sebutkan.
62
Semua data yang telah saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggung jawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya.
Bengkulu, September 2013
Paulus Sulluk Kananlua, SE., M.SiNIP 19580510 108903 1 002
63
Lampiran 4. CVAnggota II
CURRICULUM VITAEIDENTITAS DIRI
Nama : Iskandar Zulkarnain, SE, MBA.No. Peserta : 0005065407NIP/NIK : 19540605 198702 1 001Tempat dan Tanggal Lahir : Lahat, 5 Juni 1954.Jenis Kelamin : Laki-laki Status Perkawinan : Kawin Agama : IslamGolongan/Pangkat : IV B/PembinaJabatan Akademik : Lektor KepalaPerguruan Tinggi : Universitas BengkuluAlamat : Jl. WR Supratman, Kandang Limun, Bengkulu.Telp./Faks : 073621396Alamat Rumah : Jl. Timur Indah I No.39/RT 5/RW 5/Gading
Cempaka, Bengkulu.Telp./Faks : 08153912457
PENDIDIKAN PERGURUAN TINGGITahun Program
PendidikanPerguruan Tinggi Jurusan/Program
Studi1994 S2 (MBA) Business College
University of Central Florida at Orlando
Business Management
1985 S1 (DRS) Universitas Gadjah Mada Yogyakarta
Manajemen Perusahaan
1980 D3 (Keuangan) Universitas Gadjah Mada Yogyakarta
Manajemen Keuangan
PELATIHANTahun Jenis Pelatihan Penyelenggara Jangka
Waktu2005 Experience Learning
MethodsPHK-A2-Departemen Manajemen UI Jakarta.
2 Bulan
1998 PhD Schoolarship: Research Method In Technical Analysis
DUE Project/DIKTI-University of Kentucky USA.
1 Semester
1987 Research Methods HEDS Project-USAID. 2 Minggu1986/87 Management Control
System (MCS)PAU-EKONOMI-UGM. 3 Bulan
64
PENGALAMAN MENGAJARMata Kuliah Program
PendidikanInstitusi/Jurusan/Program Studi
Sem/Tahun Akademik
Analisis Investasi & Pasar Modal
S1 Program Studi Manajemen (PSM) FE UNIB
SmVI/2002 s/d 2011
Manajemen Lembaga Keuangan & Perbankan
S1 Program Studi Manajemen (PSM) FE UNIB
SmIV/2002 s/d 2011
Manajemen KeuanganLanjutan
S1&S2 (MM)
Program Studi Manajemen (PSM) FE UNIB
SmII&III/2002 s/d 2011
Analisis Informasi Keuangan
S1 Program Studi Manajemen (PSM) FE UNIB
SmVI/2002 s/d 2011
Studi Kelayakan Bisnis
S1 Program Studi Manajemen (PSM) FE UNIB
SmVI/2002 s/d 2011
Manajemen Strategik
S1&S2 (MM)
Program Studi Manajemen (PSM) FE UNIB
SmVI/2002 s/d 2011
Seminar Manajemen Keuangan
S1 Program Studi Manajemen (PSM) FE UNIB
SmVI/2002 s/d 2011
Akuntansi Manajemen
S1 Program Studi Manajemen (PSM) FE UNIB
SmV/2002 s/d 2011
Manajemen Keuangan Internasional
S1 Program Studi Manajemen (PSM) FE UNIB
SmVI/2002 s/d 2011
Anggaran Perusahaan
S1 Program Studi Manajemen (PSM) FE UNIB
SmIV/2002 s/d 2004
Manajemen Keuangan Publik
S2 Program Magister Manajemen Universitas Bengkulu
SmVI/2002 s/d 2005
Analisis Investasi & Manajemen Risiko
S2 MM UNIB SmVI/2002 s/d 2011
BAHAN AJARMata Kuliah Program
PendidikanJenis Bahan Ajar Sem/Tahun Akademik
Analisis Investasi & Pasar Modal
S1-PSM FE &S2-MM
Analisis Teknikal
SmVI/SmII/2009/2011
65
UNIB Manajemen Keuangan Internasional
S1-PSM FE UNIB
Forex Trading Strategy
Sm VI/2009/2011
PENGALAMAN PENELITIAN Tahun Judul Penelitian Ketua/Anggota Sumber Dana2011 Metode Pembelajaran: Evaluasi
dan Pengukuran Efektivitasnya Pada PSM FE Universitas Bengkulu.
Ketua Program Magister Manajemen FE Universitas Bengkulu.
2011 A Comprehensive Review of Stock Trading Strategies In Search The Best Strategy for Indonesia Stock Exchange
Ketua Program Magister Manajemen FE Universitas Bengkulu.
2011 Akurasi Prediksi Harga Saham dengan Mainchart PlusIchimoku Chart
Ketua Mandiri
2011 Prediksi Harga Saham dengan Metode ARIMA
Ketua Mandiri
2008 Anomaly: When Does It Occur ?
Ketua Mandiri
2008 Karakteristik Saham Unggulan Di Bursa Efek Indonesia (BEI)
Ketua Mandiri
2008 Analisis Teknikal: Relevansinya Dalam Penelitian Pasar Modal Indonesia.
Ketua Mandiri
2005 Analisis Faktor-Faktor Pengembangan Industri Pariwisata Provinsi Bengkulu
Anggota PHK-A2/Dikti
2005 Metode Experience Learning: Aplikasinya di Jurusan Manajemen Universitas Bengkulu
Ketua PHK-A2/Dikti
2005 Dampak Leverage Keuangan Terhadap Return Saham Pada Industri Manufaktur Di Bursa Efek Indonesia (BEI)
Ketua PHK-A2/Dikti
2004 Peta Potensi Ekonomi Kota Pagar Alam
Ketua APBD Kota Pagar Alam
66
KARYA ILMIAHA. Buku/Bab Buku/JurnalTahun Judul Penerbit/Jurnal2011 A Comprehensive Review of Stock
Trading Strategies In Search The Best Strategy for Indonesia Stock Exchange
The Journal of International Conference (UKM-UNSYIAH-UNIB).
2011 Akurasi Prediksi Harga Saham Unggulan dengan Main Chart Plus Ichimoku Chart
Jurnal Management Insight PSM FE UNIB
2011 Prediksi Harga Saham dengan Model ARIMA Vs Main Chart Plus
Jurnal Interest FE UNIB
2009 Karakteristik Saham Unggulan Seminar Nasional Program MM UNIB
2008 Anomaly: When Does It Occur ? International ConferenceUKM-UNSYIAH-UNIB 27-28 October
2007 Analisis Pengaruh ROA, ROE, EVA, MVA, DFL Terhadap Return Saham Perusahaan LQ 45 Di Bursa Efek Indonesia (BEI)
Jurnal Interest FE UNIB, vol.10(02), Juli-Desember.
2004 Dampak Strategi Kredit Investasi Pada Trend Cumulative Average Abnormal Return (CAAR) Di Bursa Efek Indonesia (BEI) Paska Kerusuhan Mei 1988
Jurnal Interest FE UNIB, vol.13(03), Juli-September.
C. Penyunting/Editor/Reviewer/ResensiTahun Judul Penerbit/Jurnal2006 Reviewer Penelitian Dosen Muda DUE-Project-Lemlit
UNIB
KONFERENSI/SEMINAR/LOKAKARYA/SIMPOSIUM
Tahun Judul Kegiatan PenyelenggaraPanitia/Peserta/Pembicara
2011 International Conference In Economic Development
MM FE UNIB-UKM-UNSYIAH.
Pembicara
2008 International Conference In Small Medium Enterprices (SMEs)
UNSYIAH-UKM-UNIB Pembicara
1998 PhD Schoolarship Sandwich Program UGM-University of Kentucky USA
Peserta
67
KEGIATAN PROFESIONAL/PENGABDIAN KEPADA MASYARAKATTahun Jenis/ Nama Kegiatan Tempat2010 Sosialisasi Program Perdagangan Saham
Online dengan Home Online Trading System (HOTS)
Universitas Bengkulu, Kota Bengkulu.
2009 Peningkatan Kemampuan TOEFL SMA-Qiro’ah Aliyah/Tsanawiyah.
Kabupaten Seluma, Bengkulu.
2008 Peningkatan Kompetensi Manajemen Keuangan MAPALA Fisipol UNIB
Universitas Bengkulu, Kota Bengkulu.
2007 Observasi Kelayakan Ekspor Sayur-Sayuran dari Sentra Produksi ke Singapore Via Batam
Kecamatan Selupu, Kabupaten Rejang Lebong.
2010 Penyuluhan Usaha Kelompok Tani Desa Tanjung Alam Kabupaten Kepahiang Bengkulu
Kabupaten Kepahiang
JABATAN DALAM PENGELOLAAN INSTITUSIPeran/Jabatan Institusi (Univ, Fak, Jurusan, Lab,
Studio, Manajemen Sistem Informasi Akademik, dll).
Tahun … s/d ……
Ketua Pojok Bursa Efek Indonesia (BEI) FE UNIB
Fakultas Ekonomi, Universitas Bengkulu.
2009 s/d 2011
Sekretaris Program Ekstensi FE UNIB
Fakultas Ekonomi, Universitas Bengkulu.
1994-1995
Ketua Business Development Services(BDS)
Fakultas Ekonomi, Universitas Bengkulu.
2002-2005
Ketua PPME-FE UNIB Fakultas Ekonomi, Universitas Bengkulu.
2003-2004
PERAN DALAM KEGIATAN KEMAHASISWAANTahun Jenis/Nama Kegiatan Peran Tempat2009/2011 Praktikum Perdagangan
Saham OnlinePembimbing Universitas
Bengkulu2005/2011 Penelitian Mahasiswa Pembimbing Universitas
Bengkulu2011 Open House HUMAN FE
UNIBKetua Tim PengarahKegiatan
Universitas Bengkulu
2009 Lokakarya OrganisasiMAPALA Fisipol UNIB
Narasumber Universitas Bengkulu
68
ORGANISASI PROFESI/ILMIAHTahun Jenis/Nama Organisasi Jabatan/Jenjang
Keanggotaan2008 s/d 2011
Ikatan Sarjana Ekonomi (ISEI) Provinsi Bengkulu
Staf Manajemen Usaha Kecil (UKM)
2004 s/d 2008
Bank Indonesia (BI) Cabang Bengkulu
Ketua I Konsultan Keuangan Mitra Bank (KKMB) Provinsi Bengkulu
2005 s/d 2011
Ikatan Keluarga Alumni Universitas Gadjah Mada Provinsi Bengkulu
Staf Keuangan KAGAMA Provinsi Bengkulu
Semua data yang telah saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggung jawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya.
Bengkulu, September 2013
Iskandar Zulkarnain, SE., MBANIP 19540605 198702 1 001
69
Lampiran 5. Data Mentah
No Date SHCOMP IHSG1 Nov 30, 2007 4,871.78 2,688.332 Dec 3, 2007 5,261.56 2,745.833 Jan 2, 2008 4,383.39 2,627.254 Feb 1, 2008 4,348.54 2,721.945 Mar 3, 2008 3,472.71 2,447.306 Apr 1, 2008 3,693.11 2,304.527 May 5, 2008 3,433.35 2,444.358 Jun 2, 2008 2,736.10 2,349.109 Jul 1, 2008 2,775.72 2,304.51
10 Aug 1, 2008 2,397.37 2,165.9411 Sep 1, 2008 2,293.78 1,832.5112 Oct 1, 2008 1,728.79 1,256.7013 Nov 3, 2008 1,871.16 1,241.5414 Dec 1, 2008 1,820.81 1,355.4115 Jan 5, 2009 1,990.66 1,332.6716 Feb 2, 2009 2,082.85 1,285.4817 Mar 2, 2009 2,373.21 1,434.0718 Apr 1, 2009 2,477.57 1,722.7719 May 1, 2009 2,632.93 1,916.8320 Jun 1, 2009 2,959.36 2,026.7821 Jul 1, 2009 3,412.06 2,323.2422 Aug 3, 2009 2,667.75 2,341.5423 Sep 1, 2009 2,779.43 2,467.5924 Oct 1, 2009 2,995.85 2,367.7025 Nov 2, 2009 3,195.30 2,415.8426 Dec 1, 2009 3,277.14 2,534.3627 Jan 4, 2010 2,989.29 2,610.8028 Feb 1, 2010 3,051.94 2,549.0329 Mar 1, 2010 3,109.10 2,777.3030 Apr 1, 2010 2,870.61 2,971.2531 May 3, 2010 2,592.15 2,796.9632 Jun 1, 2010 2,398.37 2,913.6833 Jul 1, 2010 2,637.50 3,069.2834 Aug 2, 2010 2,638.80 3,081.8835 Sep 1, 2010 2,655.66 3,501.3036 Oct 1, 2010 2,978.83 3,635.3237 Nov 1, 2010 2,820.18 3,531.2138 Dec 1, 2010 2,808.08 3,703.51
70
39 Jan 3, 2011 2,790.69 3,409.1740 Feb 1, 2011 2,905.05 3,470.3541 Mar 1, 2011 2,928.11 3,678.6742 Apr 1, 2011 2,911.51 3,819.6243 May 3, 2011 2,743.47 3,836.9744 Jun 1, 2011 2,762.08 3,888.5745 Jul 1, 2011 2,701.73 4,130.8046 Aug 1, 2011 2,567.34 3,841.7347 Sep 1, 2011 2,359.22 3,549.0348 Oct 10, 2011 2,468.25 3,790.8549 Nov 1, 2011 2,333.41 3,715.0850 Dec 1, 2011 2,199.42 3,821.9951 Jan 4, 2012 2,292.61 3,941.6952 Feb 1, 2012 2,428.49 3,985.2153 Mar 1, 2012 2,262.79 4,121.5554 Apr 5, 2012 2,396.32 4,180.7355 May 2, 2012 2,372.23 3,832.8256 Jun 1, 2012 2,225.43 3,955.5857 Jul 2, 2012 2,103.63 4,142.3458 Aug 1, 2012 2,047.52 4,060.3359 Sep 3, 2012 2,086.17 4,262.5660 Oct 8, 2012 2,068.88 4,350.2961 Nov 1, 2012 1,980.12 4,276.1462 Dec 3, 2012 2,269.13 4,316.6963 Jan 4, 2013 2,385.42 4,453.7064 Feb 1, 2013 2,365.59 4,795.7965 Mar 1, 2013 2,236.62 4,940.9966 Apr 1, 2013 2,177.91 5,034.0767 ay 2, 2013 2,300.59 5,068.63
71
Lampiran 6. Output Data Penelitian
Penentuan Lag Optimal dengan Model VARPengujian Lag 0
Dependent Variable: IHSGMethod: Least SquaresDate: 12/05/13 Time: 21:56Sample: 2007M11 2013M05Included observations: 67
Variable Coefficient Std. Error t-Statistic Prob.
C 3910.174 516.7556 7.566777 0.0000SHCOMP -0.284369 0.185665 -1.531625 0.1305
R-squared 0.034833 Mean dependent var 3141.307Adjusted R-squared 0.019985 S.D. dependent var 1013.943S.E. of regression 1003.760 Akaike info criterion 16.69029Sum squared resid 65489731 Schwarz criterion 16.75610Log likelihood -557.1247 Hannan-Quinn criter. 16.71633F-statistic 2.345874 Durbin-Watson stat 0.050226Prob(F-statistic) 0.130468
Pengujian Lag 1
Dependent Variable: IHSGMethod: Least SquaresDate: 12/05/13 Time: 21:57Sample (adjusted): 2007M12 2013M05Included observations: 66 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -71.26607 137.1602 -0.519583 0.6052SHCOMP 0.023802 0.037743 0.630647 0.5306IHSG(-1) 1.014060 0.023316 43.49113 0.0000
R-squared 0.968809 Mean dependent var 3148.170Adjusted R-squared 0.967819 S.D. dependent var 1020.143S.E. of regression 183.0053 Akaike info criterion 13.30130Sum squared resid 2109928. Schwarz criterion 13.40083Log likelihood -435.9428 Hannan-Quinn criter. 13.34062F-statistic 978.4001 Durbin-Watson stat 1.732226Prob(F-statistic) 0.000000
72
Pengujian Lag 2
Dependent Variable: IHSGMethod: Least SquaresDate: 12/05/13 Time: 21:57Sample (adjusted): 2008M01 2013M05Included observations: 65 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -58.32294 155.2456 -0.375682 0.7085SHCOMP 0.024178 0.045125 0.535811 0.5940IHSG(-1) 1.132674 0.127029 8.916646 0.0000IHSG(-2) -0.124351 0.131212 -0.947712 0.3470
R-squared 0.969211 Mean dependent var 3154.360Adjusted R-squared 0.967697 S.D. dependent var 1026.832S.E. of regression 184.5543 Akaike info criterion 13.33333Sum squared resid 2077678. Schwarz criterion 13.46714Log likelihood -429.3332 Hannan-Quinn criter. 13.38612F-statistic 640.0703 Durbin-Watson stat 1.943556Prob(F-statistic) 0.000000
Pengujian 3
Dependent Variable: IHSGMethod: Least SquaresDate: 12/05/13 Time: 21:58Sample (adjusted): 2008M02 2013M05Included observations: 64 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -146.3078 170.4286 -0.858470 0.3941SHCOMP 0.054024 0.050747 1.064578 0.2914IHSG(-1) 1.138558 0.128243 8.878137 0.0000IHSG(-2) -0.198016 0.193740 -1.022070 0.3109IHSG(-3) 0.072862 0.134207 0.542908 0.5892
R-squared 0.969940 Mean dependent var 3162.596Adjusted R-squared 0.967902 S.D. dependent var 1032.783S.E. of regression 185.0318 Akaike info criterion 13.35384Sum squared resid 2019969. Schwarz criterion 13.52250Log likelihood -422.3228 Hannan-Quinn criter. 13.42028F-statistic 475.9391 Durbin-Watson stat 1.907820Prob(F-statistic) 0.000000
73
Pengujian Lag 4
Dependent Variable: IHSGMethod: Least SquaresDate: 12/05/13 Time: 21:58Sample (adjusted): 2008M03 2013M05Included observations: 63 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -25.81467 197.0160 -0.131028 0.8962SHCOMP 0.021487 0.060291 0.356382 0.7229IHSG(-1) 1.156939 0.128901 8.975380 0.0000IHSG(-2) -0.237519 0.193687 -1.226304 0.2251IHSG(-3) 0.324841 0.194109 1.673500 0.0997IHSG(-4) -0.245465 0.137895 -1.780079 0.0804
R-squared 0.971441 Mean dependent var 3169.591Adjusted R-squared 0.968936 S.D. dependent var 1039.550S.E. of regression 183.2198 Akaike info criterion 13.34964Sum squared resid 1913462. Schwarz criterion 13.55375Log likelihood -414.5138 Hannan-Quinn criter. 13.42992F-statistic 387.7788 Durbin-Watson stat 1.801974Prob(F-statistic) 0.000000
Granger Test Output
Pairwise Granger Causality TestsDate: 12/06/13 Time: 00:10Sample: 2007M11 2013M05Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
IHSG does not Granger Cause SHCOMP 65 0.65227 0.5245SHCOMP does not Granger Cause IHSG 0.93845 0.3969
74
Johansen Cointegration Test
Date: 12/06/13 Time: 00:10Sample (adjusted): 2008M02 2013M05Included observations: 64 after adjustmentsTrend assumption: Linear deterministic trendSeries: SHCOMP IHSGLags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.242206 18.09161 15.49471 0.0199At most 1 0.005324 0.341648 3.841466 0.5589
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level* denotes rejection of the hypothesis at the 0.05 level**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.242206 17.74996 14.26460 0.0135At most 1 0.005324 0.341648 3.841466 0.5589
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level* denotes rejection of the hypothesis at the 0.05 level**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
SHCOMP IHSG-0.001988 -0.0004150.000313 -0.001015
Unrestricted Adjustment Coefficients (alpha):
D(SHCOMP) 105.2810 -7.343681D(IHSG) -2.224984 -11.90663
1 Cointegrating Equation(s): Log likelihood -843.0484
Normalized cointegrating coefficients (standard error in parentheses)SHCOMP IHSG1.000000 0.208854
(0.12468)
Adjustment coefficients (standard error in parentheses)D(SHCOMP) -0.209258
(0.05525)D(IHSG) 0.004422
75
(0.04260)
Etimasi VAR dengan Bentuk Differensi
Vector Autoregression EstimatesDate: 12/08/13 Time: 06:59Sample (adjusted): 2008M01 2013M05Included observations: 65 after adjustmentsStandard errors in ( ) & t-statistics in [ ]
IHSG SHCOMP
IHSG(-1) 1.094423 0.105873(0.13912) (0.17150)[ 7.86666] [ 0.61733]
IHSG(-2) -0.092010 -0.136227(0.14357) (0.17698)[-0.64089] [-0.76972]
SHCOMP(-1) 0.049022 0.606961(0.10232) (0.12614)[ 0.47910] [ 4.81199]
SHCOMP(-2) -0.086395 0.153157(0.09374) (0.11556)[-0.92166] [ 1.32538]
C 128.5059 679.9186(138.474) (170.705)[ 0.92801] [ 3.98301]
R-squared 0.970004 0.825641Adj. R-squared 0.968004 0.814017Sum sq. resids 2024138. 3076033.S.E. equation 183.6726 226.4227F-statistic 485.0693 71.02952Log likelihood -428.4847 -442.0858Akaike AIC 13.33799 13.75649Schwarz SC 13.50525 13.92375Mean dependent 3154.360 2631.064S.D. dependent 1026.832 525.0294
Determinant resid covariance (dof adj.) 1.37E+09Determinant resid covariance 1.17E+09Log likelihood -862.9495Akaike information criterion 26.85998Schwarz criterion 27.19451
76
Variance Decomposition with Differens Model
Variance Decomposition
of IHSG:Period S.E. IHSG SHCOMP
1 183.6726 100.0000 0.0000002 276.2359 99.87229 0.1277083 343.2443 99.91698 0.0830204 397.3094 99.90764 0.0923635 443.5893 99.84412 0.1558756 484.7409 99.74490 0.2551017 522.2716 99.62384 0.3761598 557.1199 99.49192 0.5080829 589.9074 99.35657 0.64342610 621.0661 99.22275 0.777251
Variance Decomposition of SHCOMP:
Period S.E. IHSG SHCOMP
1 226.4227 20.90285 79.097152 270.1406 23.96136 76.038643 296.8926 24.28253 75.717474 311.0671 24.12878 75.871225 319.2129 23.78241 76.217596 323.8924 23.42356 76.576447 326.6493 23.11501 76.884998 328.3323 22.88468 77.115329 329.4326 22.74005 77.2599510 330.2314 22.67865 77.32135
Cholesky Ordering: IHSG
SHCOMP